у капитана корабля ЦИФРОВАЯ...

4(4)’2018

ЦЭМИ РАНМосква

ЦИФРОВАЯ ЭКОНОМИКА

Маяк в экономической теории см. в номере

Про маяк и чувство собственного достоинства у капитана корабля«В СОЧИНЕНИЯХ экономистов маяк появился ради того света, который, как предпо-лагается, он бросает на вопрос об экономических функциях правительства. Он часто используется как пример услуги, которую должно предоставлять правительство, а не частное предприятие. По-видимому, экономисты имеют в виду при этом, что невоз-можно гарантировать получение платы за услугу с владельцев судов, которые выи-грывают от существования маяка, делает для любой частной фирмы или отдельного человека невыгодным его строительство и содержание». Рональд Коуз.

Как выяснил Коуз, анализируя предоставленные ему компанией «Тринити Хаус» данные, маячное дело в Англии всегда было частным, оплачивалось оно за счет сбора средств с владельцев судов, хотя формы сборов менялись. В том числе практи-ковалась такая форма сборов, когда капитаны прибывших в гавань судов приходили в таверну, где их ждал владелец маяка, и расплачивались. Их никто не принуждал. Но дело в том, что у капитанов, в отличие от классических безбилетников - трамвай-ных зайцев, есть чувство собственного достоинства. Капитан не может вести себя, как трамвайный заяц, именно по той причине, что он капитан, ему по статусу не положе-но быть «зайцем». В своей статье Коуз подробно воспроизводит историю маячного дела в Англии, где маяки практически всегда были частным делом, и завершает адресованным экономистам пожеланием - поискать в качестве примера услуги, которую должно предоставлять правительство, более надежный пример. Как ни странно, это пожелание актуально и для современных авторов, пишущих на русском языке и постоянно ссылающихся на работы Коуза.

Парадокс, однако, состоит в том, что едва ли не все примеры, кажущиеся вполне оче-видными на первый взгляд, при более тщательном рассмотрении с привлечением специальных знаний оказываются сложными и противоречивыми, а рекомендации экономистов-теоретиков воспринимаются специалистами в любой конкретной обла-сти, в лучшем случае, как предложение «строить мост поперек реки». Разумеется, хуже, когда предлагается «строить мост вдоль реки», к тому же рекомендация под-крепляется административными мерами. Но при отсутствии дополнительных мер ценность этих рекомендаций примерно одинакова, то есть равна нулю.

Редакционный совет электронного журнала «Цифровая экономика» - Агеев Александр Иванович – д.э.н., генеральный директор Института экономических стра-

тегий, заведующий кафедрой НИЯУ «МИФИ», профессор, академик РАЕН. - Афанасьев Михаил Юрьевич – д.э.н. Заведующий лабораторией прикладной экономет-

рики ЦЭМИ РАН - Бабаян Евгений Борисович – Генеральный директор НП «Агентство научных и деловых

коммуникаций» - Бахтизин Альберт Рауфович – член-корреспондент РАН, д.э.н., профессор РАН, директор

ЦЭМИ РАН - Войниканис Елена Анатольевна – д.ю.н. Ведущий научный сотрудник Института права и

развития ВШЭ — Сколково. - Гурдус Александр Оскарович – д.э.н., к.т.н., президент группы компаний «21Company». - Димитров Илия Димитрович – исполнительный директор НКО «Ассоциации Электронных

Торговых Площадок». - Ерешко Феликс Иванович – д.т.н. профессор, заведующий отделом информационно-вы-

числительных систем (ИВС) ВЦ РАН. - Засурский Иван Иванович – к.ф.н., президент Ассоциации интернет-издателей, заведую-

щий кафедрой новых медиа и теории коммуникации факультета журналистики МГУ имени М.В. Ломоносова

- Калятин Виталий Олегович – к.ю.н., главный юрист по интеллектуальной собственности ООО «Управляющая компания «РОСНАНО»

- Китов Владимир Анатольевич, к.т.н., зам. Зав. кафедрой Информатики по научной работе РЭУ им. Г.В.Плеханова.

- Козырь Юрий Васильевич – д.э.н., ведущий научный сотрудник ЦЭМИ РАН - Ливадный Евгений Александрович – к.т.н., к.ю.н., начальник отдела по интеллектуальной

собственности корпоративно-правового департамента Государственной корпорации «Ро-стех».

- Макаров Валерий Леонидович – академик РАН, научный руководитель ЦЭМИ РАН - Паринов Сергей Иванович – д.т.н., заместитель директора ЦЭМИ РАН по научной работе. - Райков Александр Николаевич – д.т.н., профессор, Президент некоммерческого партнер-

ства по научным исследованиям и социальному развитию «Аналитическое агентство «Но-вые стратегии».

- Семячкин Дмитрий Александрович – к.ф.-м.н., директор Ассоциации «Открытая наука» - Соловьев Владимир Игоревич – д.э.н. руководитель департамента анализа данных, при-

нятия решений и финансовых технологий Финансового университета при Правительстве РФ

- Фролов Владимир Николаевич, д.э.н., научный руководитель проекта «Copernicus Gold». - Хохлов Юрий Евгеньевич – председатель Совета директоров Института развития инфор-

мационного общества - Чесноков Андрей Николаевич – руководитель проекта АН2

1

Миссия журнала Миссия журнала — поддерживать высокий научный уровень дискуссии о цифровой экономике, ме-

тодах ее изучения и развития, вовлекая в этот процесс наиболее квалифицированных экспертов – ис-следователей и практиков; доносить научное знание о самых сложных ее аспектах до тех, кто реально принимает решения, и тех, кто их исполняет. Одновременно журнал направлен на обеспечение возмож-ности для обмена мнениями между профессиональными исследователями.

Название и формат издания Название «Цифровая экономика» подчеркивает междисциплинарный характер журнала, а также

ориентацию на новые методы исследования и новые формы подачи материала, возникшие вместе с цифровой экономикой. В современном ее понимании цифровая экономика – не только новый сектор экономики, но и новые методы сбора информации на основе цифровых технологий, психометрия и ком-пьютерное моделирование, а также иные методы экспериментальной экономики.

Тематика научных и научно-популярных статей Основную тематику журнала представляют научные и научно-популярные статьи, находящиеся в

предметной области цифровой экономики, информационной экономики, экономики знаний. Основное направление журнала – это статьи, освещающие применение подходов и методов естественных наук, математических моделей, теории игр и информационных технологий, а также использующие результаты и методы естественных наук, в том числе, биологии, антропологии, социологии, психологии.

В журнале также публикуются статьи о цифровой экономике и на связанные с ней темы, в том числе, доступные для понимания людей, не изучающих предметную область и применяемые методы исследования на профессиональном уровне. Основная тема – создание и развитие единого экономиче-ского пространства России и стран АТР. Сюда можно отнести статьи по обсуждаемым вопросам опти-мизации использования ресурсов и государственному регулированию, по стандартам в цифровой эко-номике. Сегодня или очень скоро это стандарты – умный город, умный дом, умный транспорт, интернет вещей, цифровые платформы, BIM-технологии, умные рынки, умные контракты, краудсорсинг и краудфандинг и многие другие.

Журнал «Цифровая экономика», № 4(4)(2018) Выпуск № 4 2018 год Журнал зарегистрирован Федеральной службой по надзору в сфере связи, информационных тех-

нологий и массовых коммуникаций Свидетельство о регистрации № ЭЛ № ФС77-70455 от 20 июля 2017 г. Редакционная коллегия: Козырев А.Н. – главный редактор, д.э.н., к.ф.-м.н., руководитель научного направления – матема-

тическое моделирование, г.н.с. ЦЭМИ РАН Гатауллин Т.М. – д.э.н., к.ф.-м.н., зам. директора Центра цифровой экономики Государственного

университета управления Китова О.В. – д.э.н., к.ф.-м.н. зав. кафедрой Информатики РЭУ им. Г.В. Плеханова Лебедев Валерий Викторович – д.э.н., к.ф.-м.н., профессор кафедры высшей математики Госу-

дарственного университета управления Лугачев М.И. – д.э.н., заведующий кафедрой Экономической информатики Экономического фа-

культета МГУ имени М.В. Ломоносова. Макаров С.В. – к.э.н., ведущий научный сотрудник ЦЭМИ РАН. Неволин И.В. – к.э.н., ведущий научный сотрудник ЦЭМИ РАН Ноакк Н.В. – к.п.н., ведущий научный сотрудник ЦЭМИ РАН Скрипкин К.Г. – к.э.н., доцент кафедры Экономической информатики Экономического факультета

МГУ имени М.В. Ломоносова. Тевелева О.В. – к.э.н., старший научный сотрудник ЦЭМИ РАН Трищенко Н.Д. – координатор проектов Ассоциации интернет-издателей. Чесноков А.Н. – руководитель проекта АН2 Все работы опубликованы в авторской редакции. Подписано к опубликованию в Интернете 27.12.2018, Авт. печ.л. 9,7

Сайт размещения публикаций: http://digital-economy.ru/ Адрес редакции: 117418 Москва, Нахимовский проспект, 47, комн. 516 При использовании материалов ссылка на журнал «Цифровая экономика» и на автора статьи

обязательна. © Журнал «Цифровая экономика», 2018

http://digital-economy.ru/

3

СОДЕРЖАНИЕ

Слово редактора………………………………………………………………………………………….….….4

1. НАУЧНЫЕ СТАТЬИ ..................................................................................................................... 5

1.1. Козырев А.Н. ЦИФРОВАЯ ТРАНСФОРМАЦИЯ РЫНОЧНЫХ ИНСТИТУТОВ ........................................ 5

1.2. Ерешко Ф.И. РАЗМЫШЛЕНИЯ НА ТЕМУ ТЕХНОЛОГИИ БЛОКЧЕЙН ............................................... 24

1.3. Меденников В.И. ПРИНЦИПЫ ФОРМИРОВАНИЯ ЕДИНОЙ ЦИФРОВОЙ ПЛАТФОРМЫ СТРАНЫ ....... 31

1.4. Тевелева О.В. ЦИФРОВАЯ ТРАНСФОРМАЦИЯ ОЦЕНОЧНОЙ ДЕЯТЕЛЬНОСТИ................................ 38

1.5. Неволин И.В. УСЛОВИЯ ДЛЯ РАЗВИТИЯ ФАБРИКИ БУДУЩЕГО ................................................... 51

1.6. Милкова М.А. ИЗВЛЕЧЕНИЕ КЛЮЧЕВЫХ ТЕРМИНОВ НАПРАВЛЕНИЯ «ЦИФРОВАЯ ЭКОНОМИКА»:

ГРАФООРИЕНТИРОВАННЫЙ ПОДХОД ............................................................................................ 57

2. ОБЗОРЫ ..................................................................................................................................... 66

2.1. Яцкина Д.В. ПРАКТИКИ УПРАВЛЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫМИ ПРАВАМИ ...................................... 66

3. МНЕНИЯ...................................................................................................................................... 87

3.1. Недоря А.Е. ЦИФРОВАЯ ЭКОНОМИКА, ОБУЧЕНИЕ И УПРАВЛЕНИЕ МИРАМИ ................................. 87

3.2. Гурдус А.О. ЭКОСРЕДА ИНТЕРНЕТА ОБЪЕКТОВ ........................................................................ 90

3.3. Козырев А.Н. ЭКОНОМИКА РЕЦЕНЗИРОВАНИЯ ........................................................................ 93

4

Слово редактора Дорогие читатели, перед вами – четвертый номер журнала «Цифровая экономика». Его тематика

существенно отличается от трех предшествующих номеров, что нашло отражение, в том числе, и во внешнем оформлении журнала. Журнал посвящен в основном институциональным вопросам, связан-ным с цифровизацией экономики и общества в целом. При этом больше внимания уделяется не лежа-щим на поверхности вопросам цифровизации и автоматизации рутинных операций, а следствиям глу-бинных изменений, связанных с фундаментальными свойствами информации, представленной в циф-ровом формате, в том числе, с ее алгебраическими свойствами. Удешевление и широкое распростра-нение цифровых технологий приводит к изменению представлений о стоимости и конкуренции, имуще-ственных отношениях, интеллектуальной собственности и ее роли в новых условиях. Наиболее дефи-цитным ресурсом становится внимание, а понимание этого только начинает проникать в умы лиц, при-нимающих решения, в том числе, на законодательном уровне, а часто и на бытовом. Мы стараемся найти ответы на все эти вызовы, опираясь на достижения науки, причем самой передовой.

Открывает номер редакционная статья, посвященная изменениям в нескольких рыночных институ-тах, в числе которых антимонопольное законодательство, институты интеллектуальной собственности и финансовые институты. Такая логика представляется вполне естественной, поскольку цифровые техно-логии раньше всего пришли в медиа, а это – сфера, где имущественные отношения регулируются в основном законодательством об авторском праве и смежных правах. И отнюдь не случайно о наступле-нии «цифрового тысячелетия» многие из нас узнали из названия закона об авторском праве, принятого США в самом конце теперь уже прошлого века и прошлого тысячелетия. Примечательно также то, что законодательство об интеллектуальной собственности очень часто вступает в явное или подспудное противоречие с антимонопольным законодательством, именно здесь особенно велика опасность оши-бочных решений, которая лишь возрастает по мере роста цифровой экономики. Уделено внимание также и финансовым институтам, прежде всего, проблемам налогового законодательства, поскольку другим вопросам посвящены специальные статьи других авторов.

Статья д.т.н. Ф.И. Ерешко посвящена технологии блокчейн, но не в попытке ухватить самые свежие новости, распространяемые маркетологами, а с научных позиций, с применением математической мо-дели. В целом это статья – размышление, не претендующее на сенсацию или окончательное решение вопроса о месте технологии блокчейн в цифровой экономике.

Далее идет статья д.т.н. В.И. Меденникова о возможных путях интеграции существующих цифро-вых платформ на основе идей, высказанных в свое время нашим выдающимся соотечественником – Виктором Михайловичем Глушковым.

Статья, посвященная будущему оценочной деятельности, написана к.э.н. О.В Тевелевой, знающей тему как изнутри (с позиций профессионального оценщика), так и с позиций академической науки. В статье затронута как история оценочной деятельности, о которой имеют очень смутное понятие не только регуляторы, но и сами оценщики, так и настоящее положение, и цифровое будущее, в которое мы идем смело и с хорошими шансами законсервировать в алгоритмах средневековые представления о функционировании рыночной экономики. Статья ставит острые вопросы, предлагая одновременно пути их решения.

Цифровая трансформация промышленности – тема статьи к.э.н. Неволина. Автор обращает вни-мание не только на возможности, но и на проблемы трансформации. Она позволяет быстрее вносить конструктивные изменения в сложную высокотехнологичную продукцию и, соответственно, быстрее об-новлять модельный ряд. Это означает, что спрос должен перестроиться – тогда появится возможность окупать сложную техническую продукцию в более сжатые сроки. На примере автомобильной отрасли исследованы сдерживающие факторы таких изменений. Продемонстрирована возможность обеспечить производство достаточным спросом и ресурсами. Однако остается нерешенной проблема переработки отходов, из-за чего цифровая трансформация промышленности рискует превратиться в более быструю переработку отходов и накопления новых, пока еще не перерабатываемых материалов в могильниках.

Наконец, последняя из научных статей этого номера (автор М.А. Милкова) знаменует собой начало фундаментальной работы по упорядоченью терминологии, используемой в нормативных правовых до-кументах, касающихся цифровой экономики.

Раздел «Обзоры» на этот раз представлен одной публикаций (автор Д.В. Яцкина) под названием «Практики управления интеллектуальными правами». Обращение к этой теме совсем не случайно. На повестке дня сегодня не только цифровизация как таковая, но и коммерциализация разрабатываемых в стране новых, в том числе, цифровых технологий. Предполагается создание центров коммерциализации результатов исследований при исследовательских институтах и университетах. Между тем, обществен-ный дискурс по теме заполнен мифами и необоснованными надеждами, а не трезвым анализом имею-щихся практик, в том числе наиболее эффективных практик. Публикуемый обзор закрывает эту брешь.

В разделе «Мнения» мы представляем 3 совершенно разные публикации, дающие богатую пищу для размышлений. Кому-то представленные идеи могут показаться очень спорными. Но за ними стоит многолетний опыт работы в профессии и желание сделать нашу жизнь лучше.

Всем потенциальным читателям желаю, как всегда, увлекательного и не всегда легкого чтения. Главный редактор журнала д.э.н. А.Н. Козырев

Козырев А.Н. Цифровая трансформация рыночных институтов

5

1. НАУЧНЫЕ СТАТЬИ

1.1. ЦИФРОВАЯ ТРАНСФОРМАЦИЯ РЫНОЧНЫХ ИНСТИТУТОВ

Козырев А.Н., д.э.н., главный научный сотрудник, Центральный экономико-математический институт РАН

В статье показано, как все более широкое проникновение цифровых технологий в различные сферы жизни приводит к необходимости изменений целого ряда институтов, прежде всего, эко-номических институтов, обеспечивающих функционирование рыночной экономики. Институты здесь понимаются предельно конкретно, как их понимают юристы, что позволяет обсуждать их изменения предметно, апеллируя к изменениям в законодательстве или судебным решениям, и соотносить эти изменения с техническими достижениями в сфере технологий.

Введение Цифровая трансформация рыночных институтов здесь и далее понимается как существенное из-

менение правил и принципов ведения бизнеса, под воздействием перемен, обусловленных развитием цифровых технологий. Прежде всего, речь идет о быстром удешевлении копирования, обработки и пе-редачи информации в цифровом формате. В целом такой подход вполне согласуется с традицией, за-ложенной Доном Тапскоттом [Tapscott, 1995]1, Оливером Уильямсоном [Williamson, 1985]2 и Рональдом Коузом [Coase, 1937]3. Во главу угла здесь, как и во всех перечисленных выше источниках, ставятся трансакционные издержки, прежде всего, трансакционные издержки поиска информации и заключения договоров. Согласно теории, развитой Коузом, необходимость в создании фирмы возникает тогда, когда трансакционные издержки обмена между агентами рынка превышают ожидаемые трансакционные из-держки внутри фирмы. При этом фирма растет до тех пор, пока такое соотношение сохраняется. Разви-вая эту идею, Тапскотт обратил внимание на тот факт, что использование цифровых технологий ради-кально меняет соотношение трансакционных издержек. Отсюда следует возможное изменение форм бизнеса. Примечательно здесь то, что понимание тенденций развития цифровых технологий позволяет предугадать изменения в соотношении трансакционных издержек. А это, в свою очередь, позволяет до-вольно точно прогнозировать изменения форм бизнеса. В этом Тапскотт преуспел, что и отметил в юби-лейном издании своей книги [Tapscott, 2014]. Здесь мы имеем редкий случай, когда экономическая тео-рия дает возможность прогноза. Но опять-таки, она дает такую возможность не сама по себе, а в соче-тании со специальными знаниями. С удешевлением техники копирования и средств коммуникаций на основе цифровых технологий издержки поиска информации, ее копирования и передачи снижаются по-чти до нуля. Следом снижаются издержки ведения переговоров и заключения сделок. А это, как заметил Тапскотт со ссылкой на теорию трансакционных издержек по Коузу, приводит к изменению форм ведения бизнеса, в частности, к переходу значительной части бизнеса и фирм в медиа.

В настоящей статье больше внимания уделяется трансакционным издержкам спецификации иму-щественных прав и издержкам оппортунистического поведения [Уильямсон, 1996]. Есть существенные отличия и в самих подходах. Институты в данной статье понимаются предельно конкретно, как их пони-мают юристы, а не так, как о них рассуждают многочисленные последователи Дугласа Норта [Норт, 2007] и Рональда Коуза [Коуз, 1993]. В частности, речь пойдет о трансформации институтов интеллектуальной собственности, регулирования конкуренции и финансов, где есть четко сформулированные нормы и пра-вила, а любое изменение в них заметно. Поэтому можно говорить об их изменениях вполне предметно, не погружаясь в косноязычный дискурс об институтах вообще. Выбор вполне конкретных институтов в данном случае обусловлен тем, что на их примере хорошо видно, как происходит цифровая трансфор-мация институциональной среды, в которой функционирует экономика. Последствия происходящих в экономике изменений отчасти можно прогнозировать, используя математические и компьютерные мо-дели. При этом компьютерное моделирование происходящей трансформации имеет смысл, прежде всего, там, где возникают вопросы о целесообразности какого-то запрета, введения налога или сбора с каких-то трансакций. В силу новизны области исследования таких четко поставленных вопросов пока не так уж много, соответственно, мало и ответов, найденных с применением математического и компью-терного моделирования, но они есть, и о них можно рассказать. Также нельзя не сказать о том, что циф-ровизация экономики предъявляет свои требования к экономической теории, которая должна учитывать существующие реалии и, более того, видеть чуть дальше повседневной практики. К сожалению, такое случается редко. Именно с этого и начнем.

1 Книга (Tapscott, 1996) переведена на русский язык c названием «Электронно-цифровое общество», исходное

авторское название – “The Digital Economy” – более точно, поскольку акцентирует внимание на цифровом пред-ставлении информации, а не на электронном носителе. 2 Книга переведена на русский язык (Уильямсон, 1996). 3 Статья в переводе на русский язык включена в книгу (Коуз, 1993, с.)

ЦИФРОВАЯ ЭКОНОМИКА 4(4) 2018

6

Про маяк и чувство собственного достоинства у капитана корабля Рональд Коуз крайне скептически относился к экономической теории в ее классическом виде и снабдил ее обидным термином «экономка грифельной доски». Основания для этого он черпал из практики, в том числе, из судебной практики и консультирования бизнеса.

Один из самых чувствительных уколов «теоретикам грифельной доски» Коуз нанес в известной статье «Маяк в экономической теории», опубликованной в журнале The Journal of Law and Economics [Coase, 1974)]. В переведенную на русский язык книгу [Коуз, 1993] она вошла в качестве главы 7 (стра-ницы 169 – 192). Статья начинается с почти издевательского абзаца:

«В СОЧИНЕНИЯХ экономистов маяк появился ради того света, который, как предпола-гается, он бросает на вопрос об экономических функциях правительства. Он часто ис-пользуется как пример услуги, которую должно предоставлять правительство, а не частное предприятие. По-видимому, экономисты имеют в виду при этом, что невоз-можно гарантировать получение платы за услугу с владельцев судов, которые выигры-вают от существования маяка, делает для любой частной фирмы или отдельного че-ловека невыгодным его строительство и содержание».

Как выяснил Коуз, анализируя предоставленные ему компанией «Тринити Хаус» данные, маячное

дело в Англии всегда было частным, оплачивалось оно за счет сбора средств с владельцев судов, хотя формы сборов менялись. В том числе практиковалась такая форма сборов, когда капитаны прибывших в гавань судов приходили в таверну, где их ждал владелец маяка, и расплачивались. Их никто не при-нуждал. Но дело в том, что у капитанов, в отличие от классических безбилетников – трамвайных зайцев, есть чувство собственного достоинства. Капитан не может вести себя, как трамвайный заяц, именно по той причине, что он капитан, ему по статусу не положено быть «зайцем».

В своей статье Коуз подробно воспроизводит историю маячного дела в Англии, где маяки практи-чески всегда были частным делом, и завершает адресованным экономистам пожеланием – поискать в качестве примера услуги, которую должно предоставлять правительство, более надежный пример. Как ни странно, это пожелание актуально и для современных авторов, пишущих на русском языке и посто-янно ссылающихся на работы Коуза (судя по всему, их не читая).

Парадокс, однако, состоит в том, что едва ли не все примеры, кажущиеся вполне очевидными на первый взгляд, при более тщательном рассмотрении с привлечением специальных знаний оказываются сложными и противоречивыми, а рекомендации экономистов-теоретиков воспринимаются специали-стами в любой конкретной области, в лучшем случае, как предложение «строить мост поперек реки». Разумеется, хуже, когда предлагается «строить мост вдоль реки»4, к тому же рекомендация подкрепля-ется административными мерами. Но при отсутствии дополнительных мер ценность этих рекомендаций примерно одинакова, то есть примерно равна нулю.

Из сказанного следует, как минимум, два полезных вывода. Первый и наиболее очевидный из них состоит в том, что в экономике, как и в естественных науках, нельзя полагаться на один только здравый смысл или здравый смысл и теорию. Знание конкретной области, в которой применяется теоретическое знание, как правило, даже важнее этого теоретического знания.

Второй вывод состоит в том, что снижение издержек, связанных с доступом к благу, может привести к тому, что поведение экономических агентов будет определяться факторами, которые до того не при-нимались в расчет. В случае с маячным делом такой неожиданностью для экономистов оказался тот факт, что поведение капитанов определялось не мелкой выгодой, а чувством собственного достоинства.

Дополнительно к этому можно привести еще один примечательный факт. С повышением качества музыкальных записей в цифровом формате и их большей доступностью увеличился спрос на «живую музыку» [Караганис и др., 2011, с.50-52]:

«Мы видим убедительное свидетельство того, что цифровой переход изменяет смесь бизнес-моделей в музыке, кино и производстве программного обеспечения, подрывая не-которые ранее очень выгодные из них, такие как рынки CD и DVD. Но мы не видим сви-детельства того, что отрасли промышленности повсюду уменьшили свои мощности для обновления старых или коммерциализации новых произведений. По большинству по-казателей это было очень успешное десятилетием для американских отраслей про-мышленности авторского права вплоть до экономического кризиса, а в некоторых сек-торах, и во время кризиса. Все американские отрасли промышленности авторского права — фильмы, деловое программное обеспечение, развлекательно программное обеспечение, книгоиздание и даже музыка (включая живые концерты) — росли в общих доходах до 2008».

4 Кстати сказать, мосты вдоль реки бывают. Такие мосты приходится строить в тех случаях, когда часть берега

заболочена и проще построить мост, чем строить дорогу в обход.


7

На первый взгляд этот факт выглядит парадоксально. Казалось бы, с получением возможности слу-шать музыку без усилий, связанных с посещением концертов, и дешево спрос на концерты должен упасть, переключившись на записи высокого качества. По факту же наблюдается обратный эффект. Ока-зывается, любители музыки хотят чего-то еще помимо качества звука.

В том же ключе необходимо рассматривать и другие явления, связанные со снижением одних видов трансакционных издержек и увеличением других. Для иллюстрации здесь уместно сопоставить, как должны воспринимать законы физики слон и муравей (рисунок 1), применительно к такому важному для

обоих явлению, как вода в своих раз-нообразных видах и формах. Слон, если бы он умел говорить и знал названия законов физики, несо-мненно, сказал бы, что водой на Земле управляет закон всемирного тяготения. Для слона вода – это река или озеро, в крайнем случае, боль-шая лужа.

Совсем иной точки зрения мог бы придерживаться муравей. Для него вода – это капля, закон всемир-ного тяготения важен, но не до такой степени, чтобы нельзя было бегать по поверхности листа и с одной сто-роны, и с другой. А вот закон поверх-ностного натяжения держит форму капли. А потому он управляет водой и стоит рангом по важности.

Нечто подобное должно происходить в экономике по мере снижения одних видов издержек и воз-растания других. Более того, возрастание издержек спецификации и защиты имущественных прав резко возрастает именно в силу снижения издержек поиска и копирования информации, представленной в цифровом формате. Несколько сложнее обстоит дело с издержками оппортунистического поведения, тут ответ не столь очевиден. Но сразу можно сказать, что, вступая в цифровую эпоху, большинство лю-дей даже не задумывается о том, какие перспективы эта эпоха открывает перед мошенниками, наделен-ными интеллектом и квалификацией в области информационно-коммуникационных технологий.

Экономическая теория и практика цифровизации Тот факт, что устаревшая экономическая теория при ее практическом применении может сыграть с прак-тиками достаточно злую шутку, кажется банальностью. Все это понимают, все предупреждены и, следо-вательно, вооружены. Однако, «дьявол», как всегда, прячется в деталях.

Регуляторы как источник сомнительный инноваций Особенность ситуации, сложившейся на сегодняшний день у нас в России, заключается в том, что

«первую скрипку» в цифровой трансформации экономических институтов играют регуляторы, прежде всего, Федеральная налоговая служба (ФНС) и Федеральная антимонопольная служба (ФНС), а отчасти, лоббисты отраслевых интересов. При этом кадровый состав бюрократических структур, выполняющих роль регуляторов, как и профессиональные лоббисты – это в основном люди, получившие стандартное бухгалтерское или экономическое образование (возможно, за рубежом) или не получившие его вовсе. В лучшем случае, их представления о современной экономике – ядовитая смесь из устаревших теорети-ческих положений, почерпнутых при обучении в вузе, и верхушечных представлений о тех элементах цифровой экономики, которые именно сегодня на слуху.

К числу таких элементов «на слуху» относятся, прежде всего, цифровые платформы, блокчейн и криптовалюты. Именно сюда устремлен сегодня взор регуляторов, но их представления о том, что хо-рошо, а что плохо для экономики, во многом опираются на догмы, давно утратившие связь с реально-стью. В числе таких догм, прежде всего, следует назвать требование равенства цен на один и тот же продукт для всех потребителей и безоговорочное признание конкуренции благом, а монополии – злом. Типичный пример – выступление руководителя ФАС И.Ю. Артемьева на XIX Апрельской международной конференции НИУ ВШЭ, где он впервые официально представил пятый антимонопольный пакет.

Еще один пример – статья двух авторов [Доценко5, Иванов6, 2017], опубликованная в журнале Закон № 2 за 2016 год. Как сказано в аннотации к этой статье, «авторы пытаются показать, какие вызовы для антимонопольного регулирования несет в себе инновационная цифровая среда в контексте дей-ствий основных игроков рынка цифровых платформ».

5 ДОЦЕНКО АЛЕКСЕЙ ВИКТОРОВИЧ – заместитель руководителя ФАС России 6 ИВАНОВ АЛЕКСЕЙ ЮРЬЕВИЧ – директор Института права и развития ВШЭ — Сколково, магистр права Гар-

вардского университета, магистр частного права

Рисунок 1. Управление водой с точки зрения слона и муравья


8

При этом термин «цифровые платформы» трактуется очень широко, о чем чуть позже, когда дело дойдет до обсуждения платформ. В основном в статье обосновывается решение Федеральной антимо-нопольной службы (ФАС) о признании компании Google виновной в злоупотреблении своим доминирую-щим положением на рынке «предустановленных магазинов приложений для операционной системы Android». Ранее расследования против Google проводились в разных странах, но ни одна антимонополь-ная служба мира не решалась на столь жесткие меры, опасаясь ошибиться и навредить. Тот факт, что первенство здесь у ФАС, нельзя трактовать однозначно как победу здравого смысла или, тем более, научного подхода к очень сложной проблеме. В этом и заключается суть претензий к авторам.

О существовании других трактовок того же события авторам хорошо известно. Такие трактовки как раз и составляют «град критики», о котором говорится в той же статье. Однако, по мнению авторов, это всего лишь часть общей дискуссии по теме, начатой не ими и не так уж недавно. Суть дискуссии, пре-красно очерченная в программной статье главного экономиста Федеральной торговой комиссии США проф. Г. Шелански7, состоит в том, что многие критики действующей системы антимонопольного регу-лирования считают ее неспособной оценить динамику развития рынка, а точнее, трансформации инфор-мационных технологий8, если говорить именно об этом.

Разумеется, критики действующей системы антимонопольного регулирования считают ее неспо-собной адекватно реагировать на события, происходящие в цифровой среде. Для этого есть основания, причем дело не только в динамике развития рынка и скорости изменений, о чем пишет профессор Ше-лански, но и в специфических свойствах цифровых продуктов. В своей полемике с критиками профессор Шелански обращается к экономической теории, демонстрируя вполне обычную для американского эко-номиста эрудицию, но оставаясь при этом в рамках ряда привычных для традиционного экономиста догм. К их числу можно отнести представления о том, что информация и конкуренция – блага, хотя се-годня это далеко не всегда так, как в отношении информации, так и в отношении конкуренции. Разуме-ется, относительно добросовестно переписывая аргументы из статьи [Shelanski, 2013], авторы цитируе-мой статьи остаются в рамках тех же догм, но критиковать их за это нет смысла. Спорить здесь уместно, скорее, с самим Шелански. Важнее другое.

Следуя в целом логике Шелански, авторы цитируемой статьи более категоричны и менее осто-рожны, чем он сам. Так, в своей статье Шелански использует термин digital platforms с оговоркой, что так его надо понимать в рамках статьи, поскольку его (Шелански) аргументы касаются всех упоминаемых далее предметов, но не более того. Цитирую:

«For purposes of this Article, I will define digital platforms as products or services through which end users and a wide variety of complementary products, services, or information ("applications") can interact. Platforms therefore include devices (e.g., phones and tablets), software (e.g., oper-ating systems and browsers), and services (e.g., search engines, social networks, and e-com-merce sites)».

Разумеется, в рамках своей статьи автор может назвать цифровой платформой даже утюг или,

наоборот, все перечисленные им предметы, услуги и т.п. назвать утюгами, но именно в рамках своей статьи, где он дает определения и сам же их использует. Авторы цитируемой статьи расширительно трактуют термин «цифровые платформы», ссылаясь на Шелански, но уже без оговорки, что это только в рамках данной статьи, причем исключительно или в основном для краткости или удобства. Снова ци-тирую:

«В науке антимонопольного права под цифровыми платформами принято понимать продукты, с помощью которых осуществляется взаимодействие между потребите-лями и поставщиками разного рода товаров, услуг и информации. Платформами могут быть как устройства (телефоны, планшеты), так и программные продукты (операци-онные системы, браузеры) или информационные сервисы (поисковые движки, социаль-ные сети)».

Небольшая, казалось бы, вольность, но какой простор для спекуляций! Оказывается, есть отдель-

ная наука антимонопольного права, есть гуру этой науки в США, и есть достойные представители в Рос-сии. Между тем, Шелански обращается не к правовой, а к экономической науке, причем не самой пере-довой на сегодняшний день. Его доводы, как и доводы его противников из числа упоминаемых им, опи-раются на ее общепринятые представления о рыночной экономике, не всегда адекватные реалиям но-вой цифровой экономики, о чем обе стороны помнят и призывают к осторожности. Тем не менее, данная дискуссия между американскими экономистами свидетельствует об их неготовности реально регулиро-вать отношения конкуренции в цифровой экономике. И они это признают! Отечественные экономисты и, прежде всего, преподаватели экономических вузов, готовящих кадры для регуляторов, готовы к этому заведомо не лучше американцев. Исключения, разумеется, есть. Но погоды они не делают.

7 Речь идет о статье (Shelanski, 2013), 8 Авторы дают ссылки и на другие источники, представляющие разные точки зрения.


9

Так или иначе, в сегодняшних дискуссиях экономистов и юристов [Ворожевич, Третьяков, 2017], а еще раньше [Калятин, Павлова, Суспицына, 2013] речь идет о новой цифровой экономике, об иннова-циях, о создании благоприятной среды для инноваций и о связанных с этим вызовах. А потому имеет смысл сказать несколько слов о том, как именно меняется экономика и условия для ведения бизнеса в связи с цифровизацией, т.е. с быстрым распространением новых цифровых технологий, а также о том, как меняется межотраслевой баланс и цены в состоянии общего равновесия. Именно эти два последних момента оказываются критическими для дискуссии о конкуренции дифференциации цен.

Алгебраические свойства цифровых продуктов и следствия для экономики Как уже говорилось выше, термин digital economy появился впервые в названии знаменитой книги

Дона Тапскотта [Tapscott, 1995], где представлен более современный взгляд на бизнес и конкуренцию в цифровой среде, чем у Шумпетера, с которым заочно дискутируют авторы цитируемой выше статьи и постоянно цитируемый ими американский профессор Шелански [Shelanski, 2013]. В частности, в книге Тапскотта речь идет о переходе бизнеса из фирм в медиа и других явлениях, вызванных радикальным сокращением трансакционных издержек поиска информации и заключения договоров. Его удивительно точно сбывающиеся прогнозы основательно подпортили теоретический фундамент современного зако-нодательства о конкуренции. Но и это не все. За прошедшие с момента выхода книги более двадцати лет появилось много публикаций о том, как функционирует рынок цифровых продуктов, а также о том, как благодаря цифровым технологиям меняется рынок обычных продуктов и услуг. В том числе, появи-лись математические модели [Макаров, 2003], [Козырев, 1999], позволяющие получить выводы о прин-ципиальных отличиях рынка цифровых продуктов и услуг от обычного рынка материальных продуктов. Более подробно об этом см. [Козырев, 2011]. Однако, это совсем не те выводы, на основании которых надо отменять ч.4 ст. 10 закона о конкуренции.

У компьютерных программ и других цифровых продуктов есть специфические свойства, отличаю-щие их не только от вещей типа телефона и планшета, но и от аналоговых информационных продуктов (снятых на пленку фильмов, музыкальных записей на пластинках, бумажных книг и т.д.). Цифровые про-дукты копируются и передаются по каналам связи практически без затрат, причем с абсолютной точно-стью (бит в бит). Абсолютная точность передачи по каналам связи создает совершенно новые возмож-ности, в том числе, передачу в зашифрованном или сжатом виде. Копирование в традиционном смысле становится клонированием, причем практически без затрат. Производство в обычном смысле исчезает, а потому теряют смысл казавшиеся ранее убедительными представления о функционировании рыноч-ной экономики, конкуренции и ценах. В частности, запрещенная актом Клейтона9 ценовая дискримина-ция (дифференциация цен для разных покупателей) оказывается необходимым условием оптимально-сти, а во многих случаях, необходимым условием окупаемости новых разработок.

Все перечисленные выше свойства цифровых продуктов – следствия двух фундаментальных свойств. Одно из них – идемпотентность сложения, в простейшем случае «да» + «да» = «да», в более

общем случае 𝑎 + 𝑎 = 𝑎, где 𝑎 – любой цифровой продукт, например, цифровая фотография или описа-ние изобретения. В силу этого свойства модель общего равновесия для таких продуктов больше похожа на равновесие Линдаля, чем на равновесие Вальраса. Но в стандартных экономических курсах равно-весие Линдаля упоминается в связи с налогами, а не в связи с цифровыми продуктами.

Описание товарных рынков так или иначе крутится вокруг понятия равновесия по Вальрасу. Но к экономике цифровых продуктов оно абсолютно не подходит. Равновесие Линдаля подходит больше, но в равновесии по Линдалю цены на один и тот же продукт индивидуальны, что типично именно для моно-польных рынков. Уже здесь видна пропасть между той пародией на экономическую теорию, которая ле-жит в основе современной антимонопольной политики, и настоящей наукой. Это несоответствие давно заметили наиболее чуткие к изменениям западные экономисты, однако законодатели их пока не слышат или почти не слышат. Но с развитием экономики цифровых продуктов – основы цифровой экономики – это несоответствие становится понятно всем, кто смотрит на мир открытыми глазами. Не случайно оп-поненты Шелански уверяют, что привычные стереотипы, основанные на опыте антимонопольного регу-лирования обычных рынков, в новых условиях могут привести к ошибкам, цена которых кратно превысит ожидаемый полезный эффект. Шелански этого не отрицает, но приводит ряд примеров, на которых ста-рается показать, что иногда можно посчитать и эффект, и возможные потери, а потом их сравнить и принять правильное решение. Таким решением может быть, в том числе, и вмешательство, хотя может быть и невмешательство. Такая позиция в целом разумна. Ни о какой отдельной науке антимонополь-ного права речь не идет, поскольку ее просто нет.

Второе фундаментальное свойство цифровых продуктов – возможность их передачи по каналам связи с абсолютной точностью (бит в бит), именно об этом говорит знаменитая теорема Котельникова об отсчетах. Более того, их можно передавать в зашифрованном виде, а потом расшифровывать. От-сюда следует ряд новых возможностей, среди которых дистанционное изготовление сложных протезов методом 3-d печати и многое другое.

9 Акт Клейтона 1914 года – дополнил антитрестовское законодательство США.


10

Два указанных фундаментальных свойства и теория трансакционных издержек, заметно развивша-яся со времен первой публикации Коуза, составляют основу, на которой можно строить теорию цифро-вой экономики и разрабатывать меры ее регулирования. Сложность здесь состоит в том, что необычные свойства цифровых продуктов следуют из математических построений, но трудно поддаются интуитив-ному пониманию. Ситуация здесь все же несколько проще, чем с восприятием квантовой механики, где многие явления понять, строго говоря, невозможно. Их можно только принять как данность.

Сетевой эффект Еще одна распространенная ошибка – жесткая привязка се-

тевого эффекта к понятию цифровой платформы. Курьезное следствие этой ошибки – попытки загнать под общее название – «цифровые платформы» – множество разных объектов. Тут и компьютерные программы, и телефоны, и многое другое. Воз-можно, единственное, что их объединяет – это давно известный сетевой эффект.

Сетевой эффект известен, как минимум, с того времени, ко-гда появился телефон, а с ним телефонные сети. В сети с 𝑛 або-

нентами в принципе возможны 𝑛(𝑛 − 1)/2 разных связей. Если связи равноценны, то этой формулой выражается сетевой эф-фект. Кстати, в этом можно увидеть очень сильный аргумент в пользу того, что принадлежность к крупной сети дает потреби-телю больше пользы, чем принадлежность к мелкой, пользование программой, которой пользуются многие, дает пользователю больше, чем пользование программой, имеющей небольшой круг пользователей. Все это – очень сильные аргументы в пользу мо-нополии. Им необходимо противопоставлять не менее сильные

аргументы в пользу конкуренции, а не делать из нее фетиш. Но делают, достаточно вспомнить упомя-нутое выше выступление И.Ю. Артемьева в ВШЭ, его последующее обсуждение и заключительную речь Е.Г. Ясина – своего рода гимн конкуренции.

Осмысление этой экономической реальности требует больших усилий и от экономической науки, и от регуляторов. Уже есть теоретические наработки по этой тематике и даже математические модели, где перечисленные эффекты учитываются, однако они еще не стали стандартными инструментами в руках всех европейски образованных экономистов, включая наших российских коллег. А потому, нет ос-нований считать, что представители регуляторов, включая ФАС, сумеют разобраться в том, где их вме-шательство будет полезно, а где лучше просто наблюдать за развитием событий, требуя иногда от фирм тех или иных объяснений, но не спешить с наказаниями и санкциями.

Интеллектуальная собственность и цифровизация В силу целого ряда причин последствия цифровизации наиболее ярко видны в отраслях экономики

на основе авторского права и смежных прав, а потому именно с них имеет смысл начать. При этом ло-гично коснуться и других институтов интеллектуальной собственности.

Индустрия программирования и авторское право Первыми цифровыми продуктами, если не считать сигналов секретной связи, были программы

ЭВМ, а распространение на них правовой охраны в рамках авторского права стало началом цифровой трансформации этого правового института. Этот процесс продолжается и сейчас. Строго говоря, именно предоставление правовой охраны является тем, что в теории трансакционных издержек называется спе-цификацией имущественных прав. К сожалению, термин specification of property rights был в свое время переведен как «спецификация прав собственности», что сузило сферу его применимости. Разумеется, для большинства экономистов здесь нет проблемы, поскольку они не столь склонны обременять себя точностью употребления терминов, но именно это мешает нормальному диалогу с юристами.

Вопросом о правовой охране программ их разработчики серьезно озаботились с появлением пер-сональных компьютеров. Именно тогда потенциальными потребителями стали частные лица и мелкие фирмы, а вместе с ними появилась или, точнее, обострилась проблема несанкционированного копиро-вания и использования программ, известная в теории общественных и коллективных благ как «проблема безбилетника». Применительно к отраслям на основе авторского права, куда традиционно входили ин-дустрия звукозаписи, кино и производство печатной продукции, эта проблема всегда имела специфиче-ское название. Здесь принято говорить о ней как о проблеме «пиратства» или несанкционированного использования охраняемых произведений (Козырев, 2008, 2009).

Примечательно, что появление более совершенных технологий копирования и передачи информа-ции всегда приводило к обострению проблемы «пиратства», а затем происходило ужесточение норм авторского права и смежных прав, компенсирующее эти изменения. Не стала исключением в этом плане и цифровизация. Но еще до перехода к цифровой звукозаписи, цифровому кино и телевидению произо-шло распространение авторского права на цифровые продукты, которыми были программы для цифро-вых вычислительных машин (ЦЭВМ), которые к тому времени практически полностью вытеснили анало-говые вычислительные машины, а потому первая буква аббревиатуры была благополучно потеряна.

Рисунок 2. Сетевой эффект


11

После некоторых колебаний в поиске подходящего института для правовой охраны программ между созданием специального законодательства, патентным и авторским правом выбор пал на автор-ское право. Первыми на этот путь вступили США в конце 80-х годов прошлого века, за ними последовали страны ЕС, а затем и Россия, принявшая в 1992 году специальный закон о правовой охране программ для ЭВМ и баз данных. Программы для ЭВМ стали охранять как книги, а базы данных — как сборники литературных произведений. Фактически этот закон был списан с директивы ЕС о гармонизации нацио-нальных законодательств по правовой охране программ для ЭВМ. Отчасти благодаря этому закон полу-чился на редкость удачным. Так началась цифровая трансформация института авторского права и смеж-ных прав. Сначала она была довольно робкой, ограничиваясь распространением правовой охраны в рамках авторского на программы ЭВМ с указанием, что они охраняются как книги, хотя реальное разно-образие программ явно не укладывается в метафору книги. Точно так же базы данных (точнее – системы управления базами данных) не очень укладываются в метафору сборника литературных произведений.

Параллельно идет еще один процесс, становится экономически выгодным перевод в цифровую форму информационных продуктов, которые ранее не были цифровыми. Сначала это связь, потом фильмы, книги и так далее. В экономическую теорию входит понятие «контент» (content), но уже не как синоним слова «содержание», а как все, что в принципе можно оцифровать. Если говорить о книге, то контент – это не только текст и рисунки, но также текстура бумаги, случайные ошибки и пятна. Не отно-сятся к контенту бумага, краски, нитки и клей. Одновременно произошли изменения и совершенно дру-гого характера: в полку лоббистов, представляющих интересы производителей контента, появился но-вый сильный игрок — индустрия программирования.

Закон об авторском праве цифрового тысячелетия И все же наиболее ярко цифровая трансформация института авторского права отмечена появле-

нием в конце прошлого века в США законодательного акта с говорящим названием Digital Millennium Copyright Act (DMCA), что буквально переводится как «Закон об авторском праве цифрового тысячеле-тия». Разработчики законопроекта — они же авторы столь необычного названия — уже тогда предпола-гали, что следующее тысячелетие будет цифровым. И, похоже, они не ошиблись или не очень ошиблись, как минимум, в названии.

Этот законодательный акт, ужесточающий ответственность за нарушение авторских прав в интер-нете, в то же время защищая провайдеров от ответственности за действия пользователей, был едино-гласно принят Сенатом США 14 мая 1998 года и подписан президентом Клинтоном 28 октября того же года. Однако единогласному голосованию Сената предшествовали очень острые дискуссии среди спе-циалистов, не стихающие и до сих пор. И дело здесь не столько в ужесточении ответственности за нару-шения авторских и смежных прав в интернете, а в том, что этот акт радикально менял многие устоявши-еся нормы авторского права, приспосабливая его к новым условиям, связанным с цифровым представ-лением произведений, традиционно охраняемых в рамках авторского права. В частности, нарушениями авторского права стали признаваться производство и распространение технологий, позволяющих обхо-дить технические средства защиты авторских прав, и даже ввоз некоторых видов оборудования, облег-чающих копирование и распространение цифровых копий. Следом за США аналогичные нормы стали применять другие страны, в частности, в Европейском союзе действует Директива ЕС об авторском праве (англ. EUCD, European Union Copyright Directive10), во многом дублирующая нормы DMCA. В ре-зультате невозможным стало даже добросовестное использование охраняемых произведений, если правообладатель установил техническую защиту. Ни для кого не секрет, что все эти нормы приняты под давлением крупных правообладателей, включая представителей индустрии программирования, киноин-дустрии, индустрии звукозаписи и издателей. Против этого активно возражают не только любители бес-платно получить доступ к музыкальной записи или фильму, но и ученые многих стран (Royal Society London, 2003). Причин много, но не это — тема данной публикации.

Запрещение торрентов Среди наиболее ярких проявлений борьбы зрелого бизнеса на основе авторского права с новыми

технологиями особо можно выделить попытки запретить торренты. С технической точки зрения тор-ренты — специальные программы, позволяющие разбить файл на мелкие куски, передавать их по мно-гим каналам, а потом собрать. Благодаря этой технологии стало возможно одновременное скачивание крупного файла сразу многими пользователями. Иначе говоря, стало возможным более полное исполь-зование свойств цифрового продукта как общественного блага. Разумеется, это резко расширило воз-можности для несанкционированного распространения в интернете цифровых продуктов, включая про-граммное обеспечение, фильмы, музыку, книги, в общем, всего того, что охраняется в рамках законода-тельства об авторском праве. А потому правообладатели, обладающие существенными лоббистскими возможностями, резко выступают против торрентов как таковых. Их можно понять, но это похоже на дви-жение луддитов, хотя и с заметным различием. Луддитами были люди, теряющие работу и средства

10 Directive 2001/29/EC of the European Parliament and of the Council of 22 May 2001 on the harmonisation of certain

aspects of copyright and related rights in the information society, also known as the Information Society Directive.


12

пропитания, а противники торрентов — крупные фирмы, теряющие часть прибыли. У них больше возмож-ностей влиять на развитие законодательства, хотя и меньше моральных прав препятствовать развитию технологий. У сторнников свободы копирования контента в интернете таких возможностей меньше.

В этой связи очень полезным представляется независимый анализ проблемы на основе сканиро-вания и анализ трафика торрент-трекеров. Такой анализ нами проводился и позволил сделать доста-точно неоднозначные в смысле приносимого вреда и пользы выводы. Как оказалось, весьма значитель-ная часть лиц, скачивающих фильмы, находится за рубежом и не может, например, посмотреть фильм в кинотеатре. Еще более важно, что значительную, если не большую часть скачиваемого контента со-ставляют произведения, легальный доступ к которым отсутствует. Тут очевидно присутствует конфликт между общественными интересами и частными интересами правообладателей, а потому возникает естественный вопрос: нужно ли и в какой степени тратить ресурсы общества на защиту частных интере-

сов. Напрашивается аналогия с решением в пользу железных дорог вопроса о полосе отчуждения, рас-смотренного в книге [Коуз, 1993, сс. 123–130] в связи с критикой позиции А.С. Пигу.

Более того, можно показать, что сетевой эф-фект от незаконного скачивания может повысить ценность и, следовательно, стоимость легального контента на большую величину, чем жесткое пресе-чение «пиратства». На рисунке 3 сетевой эффект от всего программного обеспечения в пользовании представлен полукругом, опирающимся на весь от-резок. Сетевой эффект от легального ПО представ-лен маленьким зеленым полукругом. Хорошо видно, что площадь сектора над этим полукругом, закрашенная фиолетовым, больше, чем голубой сектор. Но это как раз и есть положительный сете-вой эффект от «пиратства» для легального сектора и, соответственно, непосредственный положитель-ный от увеличения легальных продаж в случае ис-

коренения «пиратства». С этим выводом можно поспорить, предполагая, что пользователи нелегального ПО приобрели бы легальное, если бы не было возможности пользоваться нелегальным. Но это – не очень убедительный аргумент, если смотреть на ситуацию с научных позиций.

Отнюдь не очевидно, что пользова-тели бесплатных «пиратских» копий про-граммы стали бы покупать ее по той же цене, что уже имеющиеся пользователи легальных копий. Гораздо естественнее предположить, что с увеличением цены спрос падает, а с ее снижением растет. Как именно спрос зависит от цены, мы не знаем, но для примера рассмотрим слу-чай, когда спрос обратно-пропорциона-

лен цене. Он удобен тем, что при такой зависимости выручка не зависит от цены. Поскольку затраты на тиражирование программы практически равны нулю, прибыль тоже не зависит от цены. На рисунке 4 она изображена в виде зеленого прямоугольника под гиперболой, изображающей зависимость спроса от цены. Площадь, закрашенная красным, соответствует «потерям» от «пиратства», если считать их, ис-ходя из предположения, что все их пользователи купили бы легальные копии, если бы у них не было возможности бесплатно пользоваться «пиратскими».

Идея сбора с чистых носителей Поскольку борьба с незаконным оборотом цифровых произведений в интернете крайне затрудни-

тельна, появляются различные инициативы по возмещению потерь правообладателям. Одна из таких инициатив — введение сборов с чистых носителей информации с последующим распределением между правообладателями. Эта инициатива периодически получает поддержку и на государственном уровне, и в работах экономистов. Например, именно этому вопросу посвящен Пример 12.5. О введении «налога на чистые кассеты» в книге [Гринберг и Рубинштейн, 2014, с. 409]. Поразительным образом авторы счи-тают Парето-улучшением перераспределение доходов «через государственный бюджет в пользу созда-телей художественного продукта», хотя перераспределение явно задевает интересы телекоммуникаци-онного бизнеса. И совсем курьезно выглядит тот факт, что с инициативой в описываемом примере вы-ступили театральные деятели.

В дальнейшем эту инициативу развивали в основном представители кино во главе с Никитой Сер-геевичем Михалковым, что более естественно, но получили отпор от представителей телекоммуникаци-онной отрасли. Согласно публикации (Засурский, Тищенко, 2015) в феврале 2015 года «в Администра-ции Президента поставили крест на идее создания общества по коллективному управлению правами,

Рисунок 3 Сетевой эффект от «пиратства»


13

собирающего налог на интернет — 25 рублей в месяц с каждого пользователя мобильной и фиксирован-ной связи». По всей видимости, представители правообладателей перешли границу, за которой их ап-петиты и абсурдность их требований стали очевидными даже для неспециалистов.

Патентная система в цифровую эпоху Патентная система менее подвержена цифровой трансформации, если говорить только о законо-

дательстве. Хотя оно заметно менялось в последние годы, но это, как правило, не было связано с циф-ровыми продуктами. Однако в практике его применения появились новые аспекты. Например, появился большой поток патентов на визуализацию, появилась такая услуга, как построение патентного ланд-шафта. По содержанию это патентный поиск, который существовал с тех пор, с каких существует па-тентная система, но он теперь существенно автоматизирован, а его результаты представляются в виде графиков, схем и других графических образов.

Изменился смысл патентования или, точнее, появились новые смыслы, а старые смыслы отодви-нулись на второй план. Сегодня подача заявки на патент — сигнал потенциальным потребителям твоих продуктов или услуг о том, что ты нечто умеешь делать лучше всех в мире. Эта информация попадает в патентные базы, ее находят поисковые системы типа QUESTEL и доносят до всех заинтересованных пользователей таких систем. Функция подавления конкурентов остается, но она уже не основная, как минимум, в традиционных отраслях промышленности.

Иначе обстоит дело в отраслях, непосредственно связанных с цифровизацией общества. С разви-тием информационно-коммуникационных технологий и производств на их основе резко усилилась ак-тивность фирм без собственного производства, живущих исключительно за счет продажи лицензий и получения компенсаций за нарушения их прав. Характерной особенностью таких фирм считается штат, состоящий преимущественно из юристов, специализирующихся в области патентного права и подачи исков о нарушении, а также очень агрессивное поведение по отношению к фирмам, производящим наукоемкую продукцию. За свою агрессивность такие фирмы с командами из юристов получили неофи-циальное название – «патентные тролли». Однако в дальнейшем к услугам таких фирм стали все чаще обращаться изобретатели-одиночки, обиженные крупными фирмами, а потом и крупные фирмы, не же-лающие ввязываться в судебные процессы самостоятельно и отдающие эту работу на аутсорсинг. Эти изменения несколько скрасили облик бывших «троллей», называть их так уже не принято.

Блокчейн на службе правообладателей Совсем новая инициатива по совершенствованию всей системы управления авторскими правами

на коллективной основе связана с появлением технологии блокчейн [Мунгалов. 2017]. С инициативой здесь выступили генеральный директор Всероссийской организации интеллектуальной собственности (ВОИС) Андрей Кричевский и представитель Министерства образования и науки С.Ю. Матвеев. Как это скажется на патентной системе и системе охраны интеллектуальных прав, пока судить трудно, но ини-циатива сама по себе интересна и, безусловно, заслуживает внимания.

Согласно сообщению RNS от 26 мая 2017 года11, Российское авторское общество, Российский союз правообладателей и Всероссийская организация интеллектуальной собственности планируют объеди-нить на основе платформы IPChain базы данных прав на музыкальные, аудиовизуальные произведения и фонограммы. Кроме того, со ссылкой на представителя РАО сообщается, что «в будущем платформа IPChain сможет заменить устаревшую систему коллективного управления правами, и на ее базе могут быть созданы биржи по обороту прав — современный прозрачный рыночный механизм, повышающий капитализацию интеллектуальных продуктов. Проект платформы IPChain реализуется Всероссийской организацией интеллектуальной собственности (ВОИС) на основе технологии blockchain совместно с фондом “Сколково”, ведущими научными вузами России и обществами по коллективному управлению правами». На дату публикации данной статьи наиболее свежая доступная информация по проекту – сообщение на круглом столе «Будущее интеллектуальный собственности в цифровую эпоху», состояв-шемся 13.12.2018 в ЦЭМИ РАН. Согласно этому сообщению, круг участников проекта расширился, но по итогам обсуждения стало достаточно ясно, что говорить об успехе проекта пока очень рано. Более того, с самого начала было понятно, что технология блокчейн сама по себе не обеспечивает защиту прав автора или иного правообладателя, поскольку нарушитель, если он появится, будет находиться вне си-стемы. Если его удастся обнаружить, то точно не средствами блокчейн, а принудить к соблюдению ис-ключительных прав будет ничем не легче, чем в существующих условиях. Возможно, у авторов проекта есть какие-то соображения по этому поводу, но пока они не озвучивались. Хуже того, закрадывается подозрение, что они пока не видят проблему в полном объеме. Тем не менее проект интересен.

Трансформация финансовых институтов Цифровая трансформация затрагивает финансовые институты, включая институт профессиональ-

ной оценки, деньги и налоговую систему, причем не только в смысле цифровизации рутинных операций, но и в более глубоком онтологическом смысле. В первую очередь это относится к понятию «рыночная стоимость» и, в более широком смысле, стоимость.

11РАО, РСП и ВОИС создают единую базу прав на музыку, видео и фонограммы, 26.04.2017, Рамблер //

https://news.rambler.ru/


14

Профессиональная оценка и налоговая система Профессиональную оценку и налоговую систему объединяет очень тесная привязка к понятию «ры-

ночная стоимость». Налоговики с энтузиазмом доначисляют налоги, если видят совершение сделки «не по рыночной стоимости» в их понимании, а оценщики определяют «рыночную стоимость» для разных целей, причем в законодательстве перечислены случаи, когда определение «рыночной стоимости» не-зависимым профессиональным оценщиком обязательна. Однако реалистичность этих требований да-леко не очевидна или, точнее, очевидна их невыполнимость в существующих условиях.

Даже безотносительно к появлению цифровых продуктов и услуг понятие «рыночная стоимость» чрезвычайно уязвимо для критики, поскольку условия применения этого понятия не соблюдаются прак-тически никогда. Кроме того, очень важно понимать, что профессиональная оценка – это, прежде всего, суждения, а не выполнение стандартных процедур, которые уже в наше время мог бы выполнять робот. Исторически профессиональная оценка зародилась в США как институт, позволяющий предотвратить катастрофические последствия кризиса, когда на свободном рынке имущество могло уходить за бесце-нок, а это влекло недополучение налогов, как и в текущий момент (при продажах имущества), так и впо-следствии, поскольку могли катастрофически упасть налоги от недвижимости. Функция независимого оценщика состояла в том, чтобы сказать – сколько стоила бы та или иная недвижимость при нормальном состоянии рынка. Далее профессиональная оценка развивалась, постепенно расширяя сферу примене-ния, но основные изменения всегда были связаны либо с кризисами, либо с судебными процессами. Российская оценка исторически развивалась, опираясь на уже сложившуюся американскую практику, без понимания, как эта практика сложилась. В результате мы получили изначально не совсем здоровый институт, а попытки исправить его в основном усугубляли ситуацию. Таким образом, профессиональная оценка исторически связана с налоговой системой. В этой ситуации профессиональную оценку настигла цифровизация.

В профессиональной оценке, как и в налоговой системе, должны найти свое отражение сопровож-дающие цифровую трансформацию смещение точек создания стоимости и изменение форм бизнеса. В определенной степени эти изменения коснутся оценочной деятельности как бизнеса и оценочной тех-ники. Игнорирование этих изменений неизбежно приведет к негативным последствиям: либо суще-ственно сократятся поступления в бюджет, либо налоговая система начнет тормозить развитие новых форм бизнеса, образующего ту самую цифровую экономику, о которой сейчас так много говорят и пишут. Отчасти эти проблемы видны уже сейчас, некоторые из них лежат на поверхности, не требуя изощрен-ных методов анализа. Более глубокие проблемы можно увидеть, используя математические модели и анализируя различные подходы к определению стоимости применительно к цифровой экономике. До-полнительную интригу в этот сюжет вносит анализ отношений между людьми, группами и государством в условиях цифровой трансформации не только экономики, но и культуры в целом.

По-настоящему независимая оценка может существовать только в сегменте консалтинга, живущего без необходимости быть под прессингом проверяющих и контролирующих структур. В силу того, что истинные значения рыночной стоимости ненаблюдаемы, одним из важных условий независимости мо-жет быть абсолютное доверие оценщику как профессионалу и максимальная заинтересованность в объ-ективности его исследований. Если юрист – говорящий закон, то оценщик – говорящий рынок. От оцен-щика ждут обоснованного суждения о стоимости, причем чаще всего о рыночной стоимости имущества, актива или чего-то еще, как от юриста обычно ждут обоснованного суждения о правомерности (законно-сти) того или иного действия или решения.

Из этого следуют также и другие выводы, а именно: «для решения многих вопросов права нет пря-мого ответа в законе, требуется его интерпретация применительно к конкретной ситуации, использова-ние не только норм, но и правовых доктрин, а иногда и их развитие. То же должно касаться оценки. Ведь профессиональная оценка нужна именно тогда, когда ситуация сложна и далеко не однозначна. Она не очень нужна или совсем не нужна, если есть развитый рынок, а на этом рынке действуют известные всем желающим цены. Поэтому по мере усложнения задачи должны меняться и требования к тому, как ее можно и нужно решать».

Вынесение суждения о стоимости должно быть дополнено правом на интерпретацию понятия «ры-ночная стоимость», а также описанием условий, в которой стоимость существует. Соответственно, ры-ночная стоимость будет разной для каждого заданного условия, сделки, этапа развития рынка и возмож-ностей участников. Более того, нужно принять очевидное – одновременно может существовать не-сколько стоимостей для одного и того же имущества. Это много раз было описано в литературе. Поэтому оценщика нужно наделить еще и правом выбирать наиболее подходящую стоимость для заданного слу-чая. И главное – сделать возможным доверять его профессиональному мнению безусловно и безогово-рочно. Инструменты внешнего контроля в виде саморегулирования, проверок со стороны заинтересо-ванных лиц, показали свою разрушительную силу – оценочная деятельность начала свое движение к формализму. При этом, с такой же скоростью она теряет свои явные преимущества для бизнеса и об-щества– возможности быть независимой стороной в сделках, спорах, операциях с активами.

О том, как улучшить существующую налоговую систему, «знают» практически все. В этом плане она вполне может конкурировать с футболом и воспитанием чужих детей, причем с хорошими шансами на главный приз. Оборотная сторона такого всеобщего «знания» – оборонительная позиция специали-стов, составляющих особую касту посвященных и воспринимающих любую попытку проникновения на


15

их территорию как проявление воинствующего дилетантства. Специалисты по налогообложению вряд ли составляют исключение из этого правила. Налоговая система достаточно сложна. На сегодняшний день в РФ ее законодательное обеспечение включает 15 специальных законов помимо налогового и бюджетного кодексов. В дополнение к ним существует шлейф подзаконных актов, инструкций и методик, а также писем Федеральной налоговой службы и Министерства финансов, разъясняющих отдельные положения нормативных правовых документов. Система налогообложения постоянно обновляется, тре-буя постоянной актуализации знаний специалистов и почти ежегодного обновления учебных курсов, осо-бенно в части ее практического применения. Косвенно об этом свидетельствует тот факт, что известный учебник (Пансков, 2016) выдержал уже 5 изданий, причем каждый раз с существенным дополнением.

Тем не менее, было бы крайне безответственно оставлять вопрос об оптимизации налоговой си-стемы и ее адаптации к условиям цифровой экономики на откуп специалистам по налогам, так как узкие специалисты обречены на блуждание в рамках знакомых им схем. А в данном случае могут потребо-ваться нестандартные решения, основанные на понимании ситуации в целом, включая функции налого-вой системы, специфику цифровой экономики, возможные последствия принимаемых решений.

Функции и уязвимости налоговой системы Мировая практика здесь очень разнообразна. В том числе и в первую очередь это касается крипто-

валют и сделок в них. Изначально отношение к ним во всех странах было исключительно негативным. Однако с 2013 года ситуация начала быстро меняться, «криптовалюты перешли в наступление» (Ката-сонов, 2017).

Наиболее благоприятные условия для развития новых цифровых форм бизнеса созданы в Синга-пуре и Швейцарии. Именно в этих странах расположены офисы, обеспечивающие интерфейс с реаль-ным миром виртуальной машины Etherium. Также в Сингапуре реализует свой проект Copernicus Gold на основе технологии блокчейн российская фирма, основанная выходцами из Института математики УРО РАН. Реализовать этот проект в России у них не получилось, хотя уже имелся целый ряд других успеш-ных проектов. Отсюда следует предположение о неблагоприятной для развития цифровой экономики институциональной среде в нашей стране. В том числе, это может быть несоответствие законодатель-ства цифровым реалиям, наличие каких-то дефектов, в частности, в налоговом законодательстве. Впро-чем, это далеко не очевидно. В ряде стран сделки в криптовалютах регулируются тем же законодатель-ством, что и сделки в обычной валюте, в том числе это касается налогообложения. По этому пути уже пошли Великобритания, Германия и Нидерланды. Вполне возможно, что дело не в законодательстве как таковом, а в культуре его применения. Обобщения здесь делать пока рано.

Среди основных функций налоговой системы обычно выделяют фискальную, распределительную, регулирующую и контрольную функции. Самая главная среди них при всех возможных оговорках – фис-кальная функция, обеспечивающая наполнение бюджетов всех уровней. Самая неочевидная и наибо-лее часто ускользающая от внимания – контрольная функция, позволяющая государству следить за ис-точниками дохода граждан и движением денежных средств. Распределительная (она же социальная) функция обеспечивает перераспределение доходов между различными слоями населения и доступ ма-лоимущим слоям населения к некоторым видам благ типа медицины и образования. Регулирующая функция включает две составляющие – стимулирование и дестимулирование тех или иных видов дея-тельности. Например, налог на добавленную стоимость (НДС), выполняющий в России, прежде всего, фискальную функцию, изначально был задуман как регулятор, оберегающий экономику от переинвести-рования в периоды экономического бума. Парадоксальным образом этот налог был введен, причем с очень высокой ставкой налогообложения, именно тогда, когда в России катастрофически сокращались инвестиции. От него можно ожидать сюрпризов и при попытке перехода к цифровой экономике.

Цифровая трансформация бизнеса может очень сильно зацепить все четыре функции налоговой системы, но наиболее болезненными для государства могут оказаться нарушения в исполнении двух из них – фискальной и контрольной. Регулирующая функция налоговой системы более важна для самой цифровой экономики, причем с точки зрения возможного создания помех для успешного развития. В ней заложен большой потенциал торможения.

Даже самый поверхностный анализ изменений в формах ведения бизнеса показывает, что воз-можны проблемы и с собираемостью налогов, и с появлением потенциально конфликтных ситуаций, и со злоупотреблениями, причем с разных сторон. Такой опыт надо искать в тех секторах экономики, ко-торые уже прошли этап цифровизации, причем достаточно давно. Прежде всего, это индустрия програм-мирования и различные медиа (кино, телевидение, рекламный бизнес и т.д.). Злоупотребления новыми возможностями появились здесь практически вместе с новыми технологиями. Ярче всего это проявля-ется на примере несанкционированного распространения в интернете охраняемого и запрещенного к распространению контента. В первую очередь эта проблема коснулась охраны авторских и смежных прав в условиях цифровизации культуры, но не обошла она стороной и налоговую систему, прежде всего, в части цифровизации рутинных операций.

Стоит напомнить, что появление электронных баз данных о налогоплательщиках, существенно об-легчающее работу налоговиков, практически сразу привело к тому, что «пиратские» диски с такими ба-зами стали появляться на рынках типа знаменитой «Горбушки». Например, согласно публикации Forbs 03.12.2004 [Кондратьев, 2004] на Митинском радиорынке в столице появилась база данных о доходах москвичей и жителей области за 1999-2002 годы. Достижение «прозрачности» доходов населения для


16

налоговиков, ради которой создавались эти базы, очень быстро обеспечило такую же или почти такую же «прозрачность» для мошенников и бандитов. В принципе это можно было легко предвидеть и предот-вратить, искусственно ограничив скорость скачивания данных. Она должна быть достаточной для поиска сотрудником налоговой службы данных о конкретном налогоплательщике, но не позволяющей скачать всю базу за секунды или минуты. Однако изначально, видимо, предполагалось, что все сотрудники нало-говых органов, имеющие доступ к базе данных, исключительно добросовестные труженики, не имеющие личных интересов. Получилось, разумеется, «как всегда». Чем обернется использование налоговиками новых технологий при их дальнейшем совершенствовании и распространении, пока судить сложно. Но ждать осталось не так долго, в ближайшие несколько лет оно себя покажет.

Новые формы бизнеса и налоговая система Есть другая сторона вопроса – чем обернется для налоговой системы появление новых форм ор-

ганизации бизнеса? Отчасти возможные проблемы видны уже сейчас. Некоторые из них лежат на по-верхности и доступны непосредственному логическому анализу, другие видны только при анализе ма-тематических моделей, учитывающих специфические свойства цифровых продуктов. В первую группу можно уверенно включить проблемы налогообложения бизнеса на основе цифровых платформ, во вто-рую – проблемы налогообложения бизнеса, продукция которого полностью или в значительной части цифровая. Ко второй группе относятся едва ли не все наукоемкие бизнесы, но наибольшие проблемы возможны в телекоммуникационной отрасли.

Начинать удобнее с простого – с бизнеса на основе платформ. Речь не идет о таких бизнесах, как Uber и Яндекс-такси. Там с налогами все относительно понятно, так как отношения между конечными потребителями – пассажирами – и конечными поставщиками – водителями такси – просты и понятны. Пассажир получает услугу и платит деньги водителю. Далее каждый водитель рассчитывается с фир-мой-платформой, а она ведет бухгалтерский и налоговый учет. Если она ведет себя честно по отноше-нию к государству, то проблем вообще не возникает. В этом смысле практика Великобритании, Германии и Нидерландов оптимальна. Но это – не вся практика. Более того, даже в таких формах бизнеса не обходится без скандалов с государством, причем самые громкие скандалы связаны с родоначальником такого бизнеса – фирмой Uber [Казарновский, 2017].

Гораздо сложнее ситуация с цифровыми платформами, обеспечивающими сокращение трансакци-онных издержек на основе технологии блокчейн. Их широкое применение сулит существенные преиму-щества и покупателям, и продавцам, как обычно утверждают апологеты платформ, за счет «исключения посредников». Не так громко, но все же достаточно отчетливо звучит тема отказа от денег во внутренних расчетах, замена их клиринговыми взаимозачетами или расчетами в криптовалютах. Вопрос цен и нало-гообложения при таких взаимозачетах, как правило, не обсуждается. Но это не означает, что он успешно решен или его вообще не существует. Напротив, он существует и требует, как минимум, внимательного изучения и обсуждения.

Прежде всего, это касается применения технологии блокчейн и криптовалют вместо обычных де-нег. При взаимозачетах или использовании во взаиморасчетах криптовалют, не имеющих официального статуса денег, возникает соблазн не считать сделками промежуточные операции. Здесь уместно обра-титься к более раннему опыту использования на специфических рынках взаимозачетов или суррогатов денег. Такой опыт, начиная с древних времен, описан в замечательной, но несколько устаревшей книге (Лиетар, 2007). Там же отмечен любопытный факт.

Около 1900 местных сообществ во всем мире, включая более ста в США, выпускают собственную валюту, независимую от национальной системы денег. Одни общины, например, Итака (штат НьюЙорк), выпускают бумажную валюту; другие — в Канаде, Австралии, Великобритании или во Франции —допол-нительные электронные деньги, не привязанные к официальным национальным валютам.

Следует подчеркнуть, что все эти валюты обращаются внутри относительно небольших замкнутых общин. Однако дальнейшее развитие электронных денег может иметь совсем другие масштабы. С ма-териальными суррогатами денег такое невозможно. В качестве примера удобнее всего рассмотреть вза-иморасчеты между брокерами на традиционной бирже (до электроники) и фишки вместо денег в казино. Их легитимность, как минимум, не вызывает вопросов, к тому же эта практика общеизвестна.

В казино клиенты при входе покупают фишки, а при выходе обменивают фишки на деньги, если есть что обменивать. Промежуточные выигрыши и проигрыши не фиксируются как операции, потенци-ально или реально облагаемые налогом. Аналогичный пример – традиционная биржа, где брокеры ведут учет своих операций индивидуально, а в конце дня сверяют свои записи и подводят итог. В том и другом случае итоговый результат получается суммированием результатов за один день. Но в прожектах с плат-формами на основе блокчейн всерьез обсуждается возможность реализации на основе взаимозачетов полноценных инвестиционных проектов, заведомо не реализуемых за один день, месяц и даже год. В этом случае напрашивается аналогия не столько с казино или биржей, сколько с теневой экономикой, где расчеты осуществляются, но не фиксируются в официальных отчетах. Разумеется, при этом не пла-тятся налоги. Тот факт, что взаиморасчеты ведутся в обычных деньгах, а не в фишках, не имеет в данном случае принципиального значения. Официально движения денег не происходит, но у налоговых органов есть основания считать, что сделки совершаются, а потому возникают вопросы об уплате налогов, свя-занных с получением дохода, и налогов, связанных с оборотом.


17

Ровно то же самое можно сказать о сделках, совершаемых внутри сети на основе блокчейн. Если налог уплачивается по факту отгрузки, а не по факту получения платы, то возникает множество поводов для взыскания налогов. Последующее получение платы деньгами, криптовалютой или клиринговый вза-имозачет налоговые органы в таком случае не волнует. И дело тут не в форме денег, а в юридическом оформлении передачи активов. Если речь идет об активах, подлежащих регистрации (недвижимость, автомобили, патенты и т.д.), то ни о какой замене обычных юридических процедур фиксацией сделки в блокчейн не может быть и речи. Более того, в случае сделок между юридическими лицами, ведущими бухгалтерский и налоговый учет, то же самое касается и других активов. Их появление или передача другому лицу отражается в бухгалтерских документах, а потом и в балансе компании. Следовательно, альтернативные способы движения активов возможны лишь для виртуальных активов и для промежу-точных операций с реальными активами. Здесь естественно возникает аналогия с фьючерсами, опцио-нами и другими финансовыми инструментами. Меняется лишь техническая реализация.

Однако и это не все. В случае с блокчейн в классическом исполнении обеспечивается прозрачность всех трансакций для всех участников данной сети, а это значит, что либо они прозрачны и для налоговых органов, либо все участники хранят тайну всех трансакций внутри сети. Так может работать тайное об-щество или преступная группировка, но не обычный бизнес. Кроме того, возникает проблема с банков-ской тайной. Решения на основе блокчейн, позволяющие сохранять банковскую тайну, означают отказ от прозрачности для своих участников и, следовательно, появление других проблем. В первую очередь это зависимость участников сети от ее администратора и программистов, при отсутствии контроля со стороны сообщества. Вариант, когда операции прозрачны для налоговых органов, но непрозрачны для участников сети, не участвующих в данной операции, выглядит как отвратительная карикатура на пер-воначальный замысел. В том манящем цифровом мире не было места «посторонним», т.е. администра-торам, программистам и налоговикам.

Из сказанного следует, что для какой-то части платформ на основе технологии блокчейн должен быть установлен режим, когда трансакции внутри системы не облагаются налогами. Если этого не будет сделано, то эффективность таких платформ резко снизится, а грандиозные замыслы по развитию циф-ровой экономики выродятся в небольшие технические улучшения. Не этим грезят возбужденные массы бойцов цифрового фронта. Не этого, надо полагать, ждет и Президент, выступивший в декабре 2016 года с поручениями по ускоренному развитию цифровой экономики.

Создание и уничтожение стоимости в цифровой экономике Более глубокие проблемы связаны с особенностями цифровых продуктов и налогообложением

сделок при трансфертном ценообразовании. И тут в полный рост встаёт вопрос о создании и уничтоже-нии стоимости, о ее измерении или, если пользоваться профессиональным жаргоном российских оцен-щиков, об «оценке стоимости».

Как следует из анализа математических моделей [Макаров, 2003], оптимальные цены на продукты с таким соотношением затрат на разработку и на тиражирование, какое имеет место для цифровых про-дуктов, должны быть индивидуальными для каждого потребителя. Иначе говоря, ни о каких единых для всех «рыночных» ценах здесь не может быть и речи. Это верно не только для изначально цифровых продуктов типа программного обеспечения или снятых на цифровую камеру фильмов, но и для продук-тов, ценность которых определяется их содержанием, в принципе переносимым на цифровые копии. Сюда, например, можно отнести фильмы, изначально снятые на пленку, а лишь затем оцифрованные. В принципе то же самое можно сказать о некоторых высокотехнологичных продуктах. Например, это может быть сверхпрочное волокно, разработанное для изготовления строп парашютов, на которых спус-кают космические аппараты. Затраты на его разработку очень велики, а предельные издержки произ-водства вполне сопоставимы с предельными издержками материалов для обивки стульев. По этой при-чине цены должны быть дифференцированы в зависимости от сферы применения. В противном случае очень нужные и рентабельные в принципе проекты могут стать нерентабельными. Понимание этого об-стоятельства есть и в науке, и в бизнесе, но у бизнеса это на уровне здравого смысла и без математи-ческих моделей. Однако воспользоваться этим пониманием на практике – трудная задача, решаемая разными методами и лишь частично.

В условиях обычного конкурентного рынка трудно заставить одних покупателей платить больше, чем платят другие. Поэтому приходится сегментировать рынок с применением таких приемов, как паке-тирование продуктов или услуг (спутниковое и кабельное ТВ, мобильная связь и т.п.) или искусственное ограничение функциональных возможностей (урезанные версии программных продуктов). Фактически за этим скрывается дифференциация цен, именуемая иногда также ценовой дискриминацией.

Более удобная для дифференциации цен ситуация – трансфертное ценообразование внутри хол-динга или группы взаимосвязанных бизнесов. Но тут в качестве ограничителя выступает законодатель-ство о трансфертном ценообразовании. На сегодняшний день оно решительно пресекает дифференци-ацию цен, диктуя всем использование «рыночных цен». Любое отклонение от цен, которые налоговая инспекция посчитает рыночными ценами, приводит к доначислению налогов и штрафам. А тот факт, что рыночных цен в обычном понимании для таких ситуаций просто не существует, кратно усложняет задачу для бизнеса. В результате не реализуются проекты, которые были бы рентабельны при правильно вы-строенном ценообразовании с дифференциацией цен. Происходит уничтожение стоимости. Отсюда сле-


18

дует, что практика применения законодательства о трансфертном ценообразовании должна быть пере-смотрена под новым углом зрения, т.е. с учетом необходимости дифференциации цен, если это не при-водит к уводу налогов из страны.

Иначе говоря, жесткая налоговая политика в условиях трансфертного ценообразования без учета особенностей цифровой экономики приведет к уничтожению стоимости в том смысле, как это понима-ется, например, в статье [Микерин, 2001]. Здесь уничтожение стоимости – это реальное, измеряемое в деньгах обесценение активов в результате неадекватного управления и отсутствия подходящих инсти-тутов, а не следствие повышения производительности труда, как у некоторых марксистов [Пацюк, 2013].

Более углубленный анализ вопросов, связанных с созданием и уничтожением стоимости, должен опираться на два фундаментальных свойства информации, представленной в цифровом формате. Как уже говорилось раньше, первое из этих свойств – абсолютная точность передачи образов по каналам связи – можно говорить не о копиях, а о клонах. Второе фундаментальное свойство – идемпотентность сложения информации, наследуемая всеми цифровыми продуктами. В простейшем случае (на уровне битов) это «да» + «да» = «да». В более содержательном случае это свойство выражает поговорка – «не надо изобретать велосипед», а в терминах экономической теории из этого свойства следует неконку-рентность в потреблении – одно из основных свойств общественного блага. Другое обязательное свой-ство общественного блага – неисключительность, т.е. невозможность исключить кого-либо из потребле-ния блага, вообще говоря, не выполняется. Современные технологии и юридические техники позволяют искусственно придавать цифровым благам исключительность. Далеко не всегда это получается успешно: пример тому – несанкционированный оборот охраняемого контента в интернете, о чем уже говорилось выше.

Исходя из тех же фундаментальных свойств цифровых продуктов, можно получить чисто логиче-ским путем множество следствий. В частности, можно показать, что утверждения типа – «в современном автомобиле более половины стоимости составляют программы» или «сегодня стоимость создается в конструкторских бюро и дизайнерских мастерских, а не в производстве» – не вполне корректны.

В самом деле, если выпускается серия автомобилей с одинаковым программным обеспечением, то установка программ на бортовой компьютер – операция не сложнее замены колеса. Серия может состо-ять из тысячи или миллиона автомобилей, затраты на разработку программного обеспечения от вели-чины серии не зависят, а затраты на его установку очень малы. Возникает вопрос: а зависит ли доля программного обеспечения в каждом автомобиле от величины серии? А если зависит, то в каком смысле? В каких единицах надо соизмерять эти доли? Очевидно, что измерять надо не по весу и не по физическому объему. Реально речь может идти только о стоимостном измерении. Но затраты труда на разработку программного обеспечения для автомобиля фиксированы. Уже здесь можно почувствовать, что с трудовой теорией стоимости что-то «не катит». Слишком многое зависит от спроса. Если он доста-точно велик, то (трудовая) стоимость все же окажется скорее в материальной части автомобиля, а при стремлении серии автомобилей к бесконечности доля определяемой таким образом стоимости про-граммного обеспечения в автомобиле устремится к нулю.

Еще более яркий пример – компьютерная игра, у которой нет материальной части. Она может ис-пользоваться на обычном компьютере, на планшете и на айфоне. Потенциально она может быть уста-новлена на всех имеющихся в мире устройствах такого типа. При этом ее ценность для владельцев устройств может колебаться от нуля до, скажем, 10 долларов. Но устройств в мире миллиарды. Если просуммировать все эти полезности, оцененные в деньгах, то может получиться миллиард долларов. Но значит ли это, что при разработке данной игры была создана стоимость на миллиард долларов? Разумеется, нет! Скорее, миллиард долларов – абсолютный предел для стоимости данной игры, хотя и это можно оспорить. Но разные игры, на создание которых было затрачено примерно равное количество труда разработчиков, получают разную популярность, причем не всегда это связано с качеством про-дукта как такового. Очень большое значение имеет сеть распространения, реклама и, наконец, случай. Если постараться свести все это к минимуму параметров, то их получится всего два – управление и случай. Управление здесь – все, что зависит от усилий продвигающей продукт на рынок стороны, а слу-чай – то, что от ее усилий не зависит.

Особо следует подчеркнуть тот факт, что самым дефицитным ресурсом в цифровой экономике ста-новится внимание целевой аудитории. Соответственно, возрастает то, что могло бы стать двойственной переменной или множителем Лагранжа для соответствующего ограничения в математической модели. Можно пока не говорить о стоимости, которая здесь создается, ясно лишь то, что есть какая-то ценность или ресурс, с которым можно связать появление или создание стоимости. Практика дает здесь хороший ответ. Появились услуги по продвижению в интернете чего угодно. Продвигать могут Вашу книгу, Вашу личную страничку или что-то другое, за продвижение чего Вы готовы платить. Такое продвижение бы-вает чрезвычайно эффективным в той части, которая касается привлечения внимания. Специализиро-ванные фирмы могут обеспечить появление Вашей личной странички в первых строках выдачи поиско-вика Яндекса или google по одной лишь фамилии, хотя однофамильцев у Вас тысячи.

Разумеется, создатели поисковиков стараются устранить такие возможности, обеспечивая боль-шую вероятность появления в первых строках выдачи реально самых популярных книг, людей или со-бытий. Но тут возникает вопрос: а что есть популярность или известность? Во все времена ее создавали с применением специальных технологий или институтов. Не секрет, что современных эстрадных звезд


19

создают из относительно пригодного материала и «раскручивают», вкладывая в это значительные фи-нансовые средства. При этом все меньшее значение имеет исходный материал, все большее – «рас-крутка». Если обернуться назад в прошлое, то можно увидеть, что в каких-то пропорциях это существо-вало всегда. На восточном базаре могли говорить, что такой-то человек – моджахед – воин Аллаха. Ровно это и означало, что он – моджахед. Но эту новость надо было как-то запустить в обращение и обеспечить, чтобы торговцы и покупатели достаточно часто ее друг другу сообщали. Вспоминая свой опыт жизни в научном и околонаучном сообществе, неизбежно находишь массу примеров, когда важнее не то, что результат получен, а то, кто из очень известных ученых это заметил и обратил внимание сообщества. Разумеется, есть и другие «лифты», но важно то, что они есть, причем большинство из них работает на эксплуатации одного ресурса – внимания целевой аудитории. Другие примеры можно по-черпнуть из художественной литературы. Более грубый пример – реклама в различных проявлениях. Но все это – лишь предвестники «грозы», настоящая борьба за внимание масс начинается с цифровой ре-волюции. О цене, которую за популярность готовы платить люди, стоит поговорить отдельно. Пока же заметим, что в денежном выражении эта цена лучше всего видна именно на компьютерных играх.

Самым хорошо описанным в литературе примером является история игры ТЕТРИС. В зависимости от охвата аудитории стоимость исключительных прав на ТЕТРИС можно было оценить в тысячи долла-ров, в миллионы долларов и в миллиарды долларов. Каждый шаг – рост доходов от продажи клонов игры на три порядка. Получается, что доходы и, следовательно, стоимость исключительных прав на игру зависят от внимания аудитории, которое удалось привлечь. В этом смысле можно говорить о капитали-зации внимания, т.е. превращении внимания целевой аудитории в приносящий доход актив.

Разумеется, качество самой игры тоже имеет значение, но оценить его могут лишь те, чье внимание привлечено к ней. Тут напрашивается еще одна аналогия, игра – реальный опцион, затраты на привле-чение внимания к ней – цена исполнения опциона, а выручка за вычетом затрат на исполнение – премия. В результате имеем новую парадигму создания стоимости, возможно, подходящую не только для циф-ровой экономики.

Аналогичных примеров можно найти много. Они говорят о том, что с трудовой теорией стоимости и, более широко, с каузальным подходом к определению стоимости здесь не все получается. Точнее, не получается практически ничего. Более перспективным представляется функциональный подход к опре-делению стоимости, восходящий к идеям Леона Вальраса и Вильфредо Парето. Он более ориентирован на анализ конкретных ситуаций и учет управления в качестве одного из ключевых факторов создания стоимости (Anderson, 2013). А в цифровой экономике роль управления кратно возрастает, причем управ-ление становится все более автоматизированным и цифровым. Строго говоря, именно с управления, а еще точнее, с передачи сигналов в цифровой форме началась цифровая трансформация бизнеса и культуры в целом (в широком смысле этого термина). Продвижение цифрового продукта, странички или конкретной личности в интернете – это управление, а рычаги управления находятся в руках тех, кто продвигает в сети эти цифровые продукты, в том числе цифровые образы реальных продуктов или услуг. Еще более мощные рычаги управления находятся в руках тех, кто владеет телекоммуникациями или контролирует их. Туда и перемещается власть, сосредоточенная сегодня в финансовом секторе.

В этом же контексте, т.е. в контексте трансформации не только экономики, а всей культуры в ши-роком смысле, частью которой является экономика, следует рассматривать вопрос о создании адекват-ной системы налогообложения. В частности, это касается и поддержания культуры в узком смысле слова, т.е. театров, музеев, библиотек и т.д. Особенность этих благ заключается в том, что они, как правило, не могут быть самоокупаемыми, но обществу они нужны. Такие блага принято называть мери-торными (достойными). Как и общественные блага (оборона, экология и т.п.), они либо полностью, либо частично оплачиваются из государственного бюджета, а бюджет формируется в основном за счет нало-гов. В каком-то смысле можно говорить о том, что государство становится отдельным субъектом эконо-мики, поставляя обществу и отдельным гражданам общественные и мериторные блага в обмен на налоги. Этот подход последовательно развивается в серии работ (Гринберг и Рубинштейн, 2000, 2005, 2008, 2014). В последней из них акцент несколько смещен в сторону отношений индивидуума и государ-ства в целом, что нашло отражение и в названии книги – «Индивидуум & Государство: экономическая дилемма». Однако подход этих авторов фактически не затрагивает вопрос о деньгах как таковых. Между тем, деньги – один из важнейших элементов культуры, если понимать культуру широко [Фет, 2015]. При-меняемый Фетом подход опирается на идеи Конрада Лоренца – создателя естественнонаучной теории познания [Лоренц, 2016], выходя за пределы не только экономической науки, но и гуманитарных наук в целом. В том числе, Фет обращается к истории появления денег в древней Греции и показывает, как появление денег привело к расслоению древнегреческого общества, попаданию значительной части греков в рабство и другим далеко идущим последствиям.

Деньги, индивид, группа и государство в цифровой экономике «Отец» единой европейской валюты Бернар Лиетар, написавший несколько книг о деньгах, пока-

зал, как сильно деньги связаны с культурой в широком смысле, включая религию и власть. В частности, в переведенной на русский язык книге о будущем денег [Лиетар, 2007] много сказано о суррогатных ва-лютах с отрицательной ставкой процента. Такие валюты до сих пор используются в различных общинах, а в отдельные периоды времени они использовались и на государственном уровне. Самое любопытное


20

в этом то, что помимо экономических аспектов использования положительной, отрицательной или нуле-вой ставки процента всегда присутствовали и другие составляющие. Например, давать деньги в рост изначально запрещал не только ислам, сохранивший этот запрет до сегодняшнего дня, но также раннее христианство и иудаизм. Впрочем, иудаизм запрещал брать проценты на деньги только с евреев, на других этот запрет не распространялся. В древней Греции такого запрета вообще не было [Фет, 2015]. Однако, гораздо интереснее появление такого запрета именно в иудаизме, откуда он, вероятно, переко-чевал сначала в христианство, а затем в ислам. Установить причину появления такого запрета сейчас, спустя несколько тысячелетий, вряд ли возможно, а вот причину отказа от этого запрета в христианстве Лиетар показывает достаточно убедительно. Он связывает ее с промышленной революцией и необхо-димостью концентрировать большие суммы денег для реализации крупных проектов. Формально это произошло в 1545 году, когда Генрих VIII первым в западном мире легализовал проценты в Англии, по-сле того как нарушил договор с Папой Римским. Такова была потребность передовой английской про-мышленности. Одновременно часть власти, сосредоточенной до того в руках монарха, перетекает в фи-нансовый сектор.

По Лиетару, положительная ставка процента всегда ведет к концентрации денег в руках меньшин-ства и обнищанию большинства. При этом он великолепно обходится без привлечения теории приба-вочной стоимости. В приводимом им условном примере нищают независимые фермеры, а деньги кон-центрируются в руках у лица, отвечающего за их обращение. Этот условный пример поучителен в кон-тексте анализа сегодняшнего положения криптовалют в финансовом секторе мировой экономики. На сегодняшний день и сами деньги, и производные финансовые инструменты, как показывает Лиетар, фак-тически выпускают банки. Криптовалюты на сегодняшний день выпускают представители ITиндустрии. Если хождение криптовалют в экономике будет расширяться и вытеснять обычные деньги, то финансо-вая власть, сосредоточенная в современном финансовом секторе, постепенно будет перетекать в сферу IT. Учитывая тот факт, что на сегодняшний день в руках мирового финансового капитала сосредоточена огромная власть, превосходящая во многих случаях власть национальных правительств, перераспреде-ление власти между этим сектором и сектором IT может иметь гигантские последствия. И тут государ-ственная власть может частично отыграть утраченные позиции, а может потерять последнее. В этой связи политика государства в отношении криптовалют – исключительно актуальная тема для исследо-вания. При этом рассматривать криптовалюты следует в контексте истории денежных суррогатов, но с учетом наших сегодняшних реалий. И в этом плане очень поучительна и интересна история выпуска фермером Шляпниковым сначала бумажной «валюты», а потом своей криптовалюты.

Фермер Шляпников, запустивший свой собственный блокчейн-проект «Экосистема Колиново» (Зо-лотов, 2016, 2017), отделился от государства со второй попытки. Сначала он выпустил свои бумажные деньги, чтобы расплачиваться ими с друзьями и знакомыми за топливо и другие полезные в хозяйстве вещи, а расплачивался продукцией собственного производства, причем со скидкой. Эта система успешно и весело работала, пока местная власть через суд не запретила эти частные деньги как денеж-ный суррогат. И тогда Шляпников начал «чеканить» свою криптовалюту, обеспеченную всем имуще-ством в его хозяйстве. Обладателям криптовалюты платятся проценты в виде скидок на фермерские продукты. Очень быстро эта валюта стала торговаться на бирже, иначе говоря, с ней начали играть в азартные игры. Сам Шляпников объясняет это необходимостью децентрализации, обеспечивающей до-верие к его валюте. Но здесь есть либо простота, либо лукавство. Пока напечатанные им колионы обра-щались в узком кругу друзей и знакомых, это были деньги только для обмена, но не для накопления и спекуляций. Как только электронные колионы появились на бирже криптовалют, они стали деньгами для валютных спекуляций. А это уже совсем другая история [Лиетар, 2007].

Примечательно, что фермер Шляпников решительно отделился не только от государства, но и про-тивопоставил себя теории экономической социодинамики, объясняющей необходимость государства в рыночной экономике как самостоятельного игрока. Такие настроения в целом очень характерны для всех почитателей криптовалют и технологии блокчейн. В дискуссиях о цифровой экономике весной 2017 года постоянно звучит мотив ненужности государства в новой цифровой экономике, где проблему доверия решает блокчейн. Строго говоря, эти рассуждения наивны и показывают полную девственность боль-шинства представителей IT-отрасли, участвующих в обсуждениях, в части общественных наук, прежде всего, в области экономики и права. То же касается и журналистов, пишущих на эту тему.

Сочная история о том, как фермер Шляпников начал печатать свою валюту, а суд ему запретил, многократно описана в прессе, статьи журналистов на эту тему очень легко найти и при помощи поиско-виков, а потому нет смысла особо выделять какие-то из них. Зато статей, написанных профессиональ-ными экономистами на эту тему, пока мало. Однако, как минимум, одна серьезная статья представителя экономической науки все же есть [Евстафьев Д., 2017]. Она опубликована в интернете и отражает весьма критическое отношение автора не столько к эксперименту фермера Шляпникова, сколько к политике государства, старательно вытаптывающего все живое, на что могло бы опереться.

Еще более любопытны цитируемые выше статьи [Золотов, 2016], [Золотов, 2017] причем не только аккуратным изложением фактов без лишних восторгов, но и тем, что автор воспроизводит в одной из них упрощенное описание работы блокчейн, опубликованное им же несколько лет назад [Золотов, 2013]. В этом примере всего три участника, одна конфетка и одна монетка, нет ни множества используемых


21

серверов, ни датчиков случайных чисел, описана лишь самая суть или, если угодно, «изюминка» блок-чейн. А она в том, что при каждой трансакции делается запись не только об этой трансакции, но и всех предыдущих трансакциях. Кроме того, никуда не деваются прошлые записи. В игре трех подростков за-писи заносятся в блокнот по имени «Блокчейн», но вместо него легко вообразить компьютер, где хра-нится текстовый файл, заверенный электронными подписями всех участников. Эти записи нельзя уда-лить, в блокноте они подписаны всеми, а в распределенной системе надо было бы удалять все записи, а это технически очень сложно. Теперь, когда понятен принцип работы блокчейн, можно себе предста-вить, как растет длина записи или совокупности записей при увеличении числа трансакций и, далее, при увеличении числа участников.

Пусть число трансакций равно 𝑇. При появлении первой записи ее длина равна 𝑙. Вторая запись содержит в себе описание новой трансакции и цитирует предыдущую запись, ее длина равна 2𝑙. Далее

идет запись длиной 3𝑙. Так продолжается до появления записи длиной 𝑇𝑙. В сумме длина всех записей

составит величину (𝑇 + 1)𝑇𝑙/2. Количество трансакций растет в зависимости от числа участников в сети. Если исходить из стан-

дартных предположений о сетевом эффекте, то число трансакций растет в зависимости от числа участ-

ников, как квадрат. Иначе говоря, если число участников равно 𝑛, то число трансакций 𝑇 = ∆𝑛2, где ∆ – некоторая константа. В итоге получаем общую длину записей равной

(∆𝑛2 + 1)∆𝑛2𝑙

2=

∆2𝑙

2𝑛4 +

∆2𝑙

2∆𝑛2

Из полученной формулы видно, что при увеличении числа участников длина записи растет очень быстро, т.е. с увеличением числа участников в 10 раз, длина всех записей вырастает в 10000 раз. От-сюда сразу видно, что блокчейн в классическом исполнении может включать достаточно ограниченное число участников. Ни о миллиардах участников, ни даже о миллионах не может быть и речи. Разумеется, подсчет выполнен очень грубо, но представление о скорости роста длины записей он дает достаточное. К сожалению, об ограничениях возможностей блокчейн мало кто говорит. Ситуация напоминает энтузи-азм по поводу оптимизационных методов, когда собирались сформулировать глобальный оптимум для страны в целом и посчитать оптимальный план. История в некотором смысле повторяется, но с другим поколением. Разумеется, современные системы на блокчейн реализованы по схемам, весьма далеким от описанной выше наивной схемы. Хранятся не полные записи, а только хэши блоков, что очень сильно экономит память, но о восстановлении всей истории сделок в случае обнаружения каких-то несоответ-ствий можно сразу забыть. Не все участники равноправны, а потому можно забыть и о полностью рас-пределенных системах, и так далее. От привлекательных особенностей блокчейн остается лишь легкий аромат воспоминаний, что так хотели.

Цифровая трансформация культуры в широком ее понимании происходит быстрее, чем к ней успе-вает приспособиться большинство населения. Очень легко ее переживает молодежь, хуже – люди сред-него возраста, старшее поколение вообще ее не принимает за небольшим исключением. Например, че-ловеку за пятьдесят бывает очень трудно понять, как можно платить реальные деньги за виртуальную удочку, на которую лучше ловится виртуальная рыба. Однако некоторые выпускники МФТИ в возрасте 23 – 25 лет выпускают бесплатную игру с ловлей виртуальной рыбы, а потом продают за деньги усовер-шенствованные виртуальные удочки. Клюет отменно, т.е. платежеспособный спрос на виртуальные удочки есть! Но важнее здесь то, что ребята, создававшие игру, это заранее предвидели, а их препода-ватели нет, хотя имеют к компьютерам и цифровым технологиям самое прямое отношение. Психика старшего поколения не принимает сам факт, что за такое можно платить реальные деньги. Мы с детства знаем, что «за запах плова надо платить звоном монет» и никак иначе. Но цифровая экономика тем и коварна, что граница между виртуальным и материальным миром то ли начинает исчезать, то ли стано-вится невидимой. Виртуальный мир цифровых продуктов и персонажей начинает реально влиять на ма-териальный мир. Более того, процесс развивается очень быстро. Культура за ним успевает с большим трудом, но не вся и, судя по всему, не для всех.

Пока в дискуссиях о цифровой экономике преобладает обсуждение ее возможностей и перспектив [Пахомов, 2017, а также новых форм бизнеса на основе цифровых платформ и технологии блокчейн, вопросы налогообложения, как и вопросы создания и уничтожения стоимости, остаются в тени, хотя они затрагивают интересы всех субъектов экономики, включая население, бизнес и государство. Такая дис-пропорция в распределении внимания между различными проблемами цифровизации отчасти связана с тем, что в дискуссиях о цифровой экономике пока доминируют представители ITиндустрии, экономисты в большинстве своем еще не готовы обсуждать данную тему на профессиональном уровне. Но это – лишь одна из причин, причем наиболее очевидная, но отнюдь не главная. Более глубокая причина свя-зана с трудностями применения привычного для экономистов каузального подхода к понятию стоимости в условиях цифровой трансформации бизнеса. В том числе, обнаруживается полная бесполезность в новых условиях привычной для многих (не только экономистов) трудовой теории стоимости. Для пони-мания происходящего она не дает практически ничего. Если же смотреть шире, то приходишь к выводу – экономическая наука, как всегда, хронически и безнадежно отстает от практики. Впрочем, об этом стоит поговорить отдельно.


22

Литература 1. Ворожевич А.С., Третьяков С.В. Об утилитарности интеллектуальных прав, принудительных

лицензиях и бюрократических рентах // Закон, № 8, 2017. – С. 154179. 2. Гринберг Р.С., Рубинштейн А.Я., Индивидуум & Государство: экономическая дилемма. М.: Весь

Мир, 2014. — 480 с. 3. Гринберг Р.С., Рубинштейн А.Я. Экономическая социодинамика. М., ИСЭПресс, 2000. 4. Гринберг Р.С., Рубинштейн А.Я. Концепция экономической социодинамики: новые подходы к

изучению социально-экономического развития общества // Теория и методология исследова-ний социальных проблем. М., Наука, 2005.

5. Гринберг Р.С., Рубинштейн А.Я. Основания смешанной экономики. Экономическая социодина-мика. М., ИЭ РАН, 2008.

6. Евстафьев Д. Фермер Михаил Шляпников как зеркало российской экономики – и что с этим делать. Апрель 24, 2017, статья доступна по ссылке https://www.if24.ru/shlyapnikov-zerkalo-rossijskoj-ekonomiki/

7. Золотов Е., BitCoin для чайников: три друга, конфета и монета (и ещё: почему не важен обмен-ный курс?). Статья доступна по ссылке: http://www.computerra.ru/58141/bitcoin-is-simple/

8. Золотов Е., Блокчейн на пальцах: как работают (и чем опасны) колионы фермера Шляпникова? Статья доступна по ссылке: http://gosvopros.ru/territory/istoriya-uspekha/kolion/

9. Золотов Е., Колионы, продолжение: как и зачем фермер Шляпников запустил свою криптова-люту. Статья доступна по ссылке: http://gosvopros.ru/territory/istoriya-uspekha/kln/

10. Казарновский П. В США открыли расследование против Uber за обманывающий чиновников софт // РБК, 05.05.20017: Ссылка http://www.rbc.ru/business/05/05/2017/590bd4179a794726fc9b29a1 актуальна на 05.05.2017.

11. Калятин В. О., Павлова Е. А., Суспицына М. Гражданско-правовое и антимонопольное регулиро-вание исключительных прав: инструмент на выбор // Конкуренция и право. 2013. № 4. С. 50-60.

12. Караганис Д., Медиа пиратство в развивающихся экономиках. Отчет SSRC. – 485 c. 13. Катасонов В., Биткойн, эфириум, ChinaCoin: криптовалюта переходит в наступление // Свобод-

ная пресса. https://svpressa.ru/ 14. Козырев А.Н., Алгебраические свойства информации и рынок // Научно-техническая информа-

ция, сер. 1, – №5 – 1999, с.15-20. 15. Козырев А.Н., Моделирование НТП, упорядоченность и цифровая экономика// Экономика и ма-

тематические методы, т. 47, № 4, 2011. – с.131-142. 16. Козырев А.Н., Контрафакт и трансформации экономики современного авторского права // Ин-

теллектуальная собственность. Контрафакт. Актуальные проблемы теории и практики. Сбор-ник научных трудов. Т. 2. М.: Юрайт, 2009, сс. 195–246.

17. Козырев А.Н., Контрафакт и трансформация экономики и законодательства современного ав-торского права // Право интеллектуальной собственности № 4 2008, стр. 8–17.

18. Кондратьев А., Базу сдали. Сведения о доходах москвичей продаются за $300. Оптом // Forbs 03.12.2004 Материал доступен по ссылке http://www.forbes.ru/forbes/issue/2004-12/21879-bazu-sdali. Ссылка актуальна на 08.05.2017

19. Коуз Р., Фирма, рынок и право / Пер. с англ. М.: Дело, 1993. — 192 с. 20. Лиетар Б.А., БУДУЩЕЕ ДЕНЕГ: новый путь к богатству, полноценному труду и более мудрому

миру. М.: КРПА Олимп: ACT: Астрель, 2007. — 493с. 21. Лоренц К. Оборотная сторона зеркала. Сборник трудов в переводе с немецкого А.И. Фета.

Philosophical arkiv, Sweden, 2016 22. Макаров В.Л. Экономика знаний: уроки для России // Вестн. Рос. акад. наук. - 2003. - Т.73, N 5.

- C.450-456; Наука и жизнь. - 2003. - № 5. - С.26-30. 23. Микерин Г.И. Понятия новой экономики по-русски: уничтожение стоимости, прибедненность и

оглупление // Русский журнал, Русский Журнал / Политика / Экономические беседы. Дата пуб-ликации: 19.02.2001. Ссылка www.russ.ru/politics/econom/20010219_mik.html актуальна на 8 мая 2017

24. Мунгалов Д., Блокчейн на службе права: как меняется институт интеллектуальной собственно-сти. Обзор выступлений участников международного форума «Интеллектуальная собствен-ность — ХХІ век: «Инновации: повышение качества жизни»», Москва, 25–28 апреля 2017.

25. Норт Д., Институты, институциональные изменения и функционирование экономики. М., 1997. 26. Пансков, В. Г. Налоги и налогообложение: теория и практика. В 2 т. Т. 1 : учебник и практикум

для академического бакалавриата / В. Г. Пансков. — 5-е изд., перераб. и доп. — М. : Издатель-ство Юрайт, 2016. — 336 с. — Серия: Бакалавр. Академический курс.

27. Пахомов Ю. Прорвется ли Россия в цифровое будущее? // PC WEEK, 20.01.2017 https://www.pcweek.ru/

28. Пацюк И. Уничтожение стоимости и уничтожение пролетариата // Враг капитала, мобильная версия. Опубликовано 09.02.2013. Тест доступен по ссылке; http://www.1917.com/XML/ycEjndn767rjzaAJctnJk7BZr8E Ссылка актуальна на 8 мая 2017.


23

29. Фет А.И., Инстинкт и социальное поведение //А.И. Фет. Собрание сочинений в 7 томах, том 1. Rehoboth, New Mexico, USA. – 2015.

30. Уильямсон О.И., Экономические институты капитализма: Фирмы, рынки, «отношенческая» кон-трактация/Научн. ред. и вступительная статья В. С. Катькало; пер. с англ. Ю.Е. Благова, В.С. катькало, Д.С. Славнова, Ю.В. Федотова, Н.Н. Цытович. СПб.: Лениздат; CEV Press, 1996, 702 с.

31. Anderson, P.I.,The economics of business valuation: towards a value functional approach / Stanford University Press Stanford, California, 2013. – 440p.

32. Coase, R.H. (1937) The Nature of the Firm // Economica, New Series, Vol. 4, No. 16. (Nov., 1937), pp. 386-405.

33. Coase, R.H. (1974) ‘The Lighthouse in Economics’, Journal of Law and Economics, 17 (2): 357–376. 34. Pethig, R, «Copyrights and Copying Costs: A New Price Theoretic Approach», Journal of Institutional

and Theoretical Economics, 144; 462–95. 35. Royal Society London, «Keeping science open: the effects of intellectual property policy on the con-

duct of science». The report of Royal Society London, April 2003. The full text, or summary, of these reports can be found on the Royal Society’s web site (www.royalsoc.ac.uk)

36. Shelanski, H.A. Information, Innovation, and Competition Policy for the Internet // U. Pa. L. Rev. 2013. Vol. 161. P. 1663–1705.

37. Tapscott, D, The Digital Economy Anniversary Edition: Rethinking Promise and Peril In the Age of Networked Intelligence, McGraw-Hill, 2014. 448 p.

38. Wu, T. The Master Switch: The Rise and Fall of Information Empires. N.Y. 2010. 368 p. 39. Kurtzman J. The Death of Money: How the Electronic Economy has destabilized the World's Markets

and Created Financial Chaos. New York: Simon and Schuster, 1993.

Козырев Анатолий Николаевич

Ключевые слова трансакционные издержки, оппортунистическое поведение, идемпотентное сложение, конкуренция,

равновесие

Kozyrev Anatoly, Digital transformation of market institutes

Keywords: Costs of ransactions, opportunistic behavior, idempotent addition, competition, equilibrium

Abstract The article shows how the increasing penetration of digital technologies in various spheres of life leads to

the need to change a number of institutions, especially economic institutions that ensure the functioning of the market economy. Institutions here are understood very specifically, as lawyers understand them, which allows to discuss their changes in detail, appealing to changes in legislation or judicial decisions, and to correlate these changes with technical achievements in the field of technology.


24

1.2. РАЗМЫШЛЕНИЯ НА ТЕМУ ТЕХНОЛОГИИ БЛОКЧЕЙН

Ерешко Ф.И., д.т.н., заведующий отделом информационно-вычислительных систем, Вычислительный центр им. А.А. Дородницына ФИЦ ИУ РАН

Технология блокчейн предназначена для Проектов, где наличествует сообщество активных агентов, которые создают Коалицию для решения общей задачи, достижения общей цели и со-гласовывают механизмы ее решения. Поэтому всегда разработку Проектов нужно начинать с дескриптивной и теоретико-игровой моделей, а не с криптографии. И это представлено в обзоре уже существующих Цифровых платформ, среди них Эфириум, Мастерчейен и др. Эта схема при-ведена далее в тексте. Непременной составляющей всех Цифровых платформ является модель: одноранговая, многоролевая и т.д. Приводится описание варианта модели распространения ин-формации в сети Проекта Биткоин, который принят как образец для иллюстраций и приложений. Отмечается, что имеется опыт построения подобных моделей и есть понимание, как в моделях учитывать технологию блокчейн. Предлагается создать математический прообраз для оценки возможного приложения технологии блокчейн для различных архитектур организационных си-стем и механизмов принятия решений.

Введение Технология блокчейн – это специализированная информационно-коммуникационная технология

(что эквивалентно определяется как приемы, способы и методы применения вычислительной техники1) для выполнения функций сбора, хранения, обработки, передачи и использования данных2, обладающая специфическими особенностями. Две особенности отделяют технологию блокчейн от ряда технологий ведения распределенных баз данных: криптографическая защита данных и децентрализованная проце-дура обеспечения согласования интересов всех участников, т.е. достижения заданного консенсуса. Ши-рокий интерес к этой технологии возник в последнее время в связи с ажиотажным спросом на криптова-люты и интересом к Проектам в этой сфере, выделим среди них Проект Биткоин и Проект Ethereum («Эфириум»).

Проект Биткоин по сути – это организация определенной экономической деятельности группы лиц, создававшийся первоначально, как платежная система для расчетов между ними, теперь обеспечивает увеличение богатства участников Проекта путем производства цифрового продукта(=биткоина). Как мы наблюдаем сейчас, цена биткоина в долларах стремительно возрастает, и тем самым возрастает богат-ство участников. Возможность обмена биткоина на фиатные деньги сделала привлекательным участие в Проекте.

В Проекте Биткоин принимает участие динамическая Коалиция (ее члены приходят и уходят). Каж-дый участник входит в Колицию, принимая условия членства в сообществе Проекта Биткоин. Он полу-чает от Ядра.Биткоин исходное программное обеспечение, начинает его использовать для решения за-данного скалярного неравенства и вычисления некоторого параметра. В случае успешного решения не-равенства он получает стимулирующее право на увеличение количества условных монет в своей базе данных.

Современное развитие Проекта Биткоин вполне соответствует экономическому явлению, имма-нентно присущему рыночной экономике, которое носит название «пузырь». Термин «пузырь» (bubble) прочно вошел в научный и практический лексикон Западной науки и практики. Под «Пузырем» понима-ется чрезвычайно быстрый рост экономических показателей, например, цен, что предвещает, в силу объективных экономических законов, последующий спад.

Вот, что говорит главный финансовый мировой гуру Алан Гринспен3, определявший длительное время направление развития мировых финансов, вообще о явлении «пузыря»:

«We, at the Federal Reserve…recognized that, despite our suspicions, it was very difficult to definitively identify a bubble until after the fact, that is, when its bursting confirmed its existence… Moreover, it was far from obvious that bubbles, even if identified early, could be preempted short of the Central Bank inducing a substantial contraction in economic activity, the very outcome we would be seeking to avoid»4. Перевести на русский язык это можно так: «Мы, в Федеральной резервной системе, осознаем, что, несмотря на наши подозрения, было очень трудно определенно идентифицировать «пузырь» до его факта, то есть до того, как он лопнул и тем самым подтвердил свое существование… Более того, далеко не очевидно, что даже если бы пузыри были вовремя распознаны, их можно было бы обезвредить посред-ством серьезных ограничений Центральным Банком экономической активности, и это привело бы именно к тому результату, к которому мы стремились».

1 https://ru.wikipedia.org/wiki/Компьютер 2 https://ru.wikipedia.org/wiki/Данные 3 Алан Гринспен – глава Федеральной резервной системы США на тот момент (30 августа 2002 г.) 4 The Fed: A. Greenspan (Aug., 30, 2002)

Ерешко Ф.И. Размышления на тему технологии блокчейн

25

Основная проблема состоит в понимании развития Проекта после прохождения пика сверхэкспо-ненциального роста: если наступит крах системы, и финансовые рынки рухнут, это означает, что «пузырь лопнул». Если происходит плавное снижение активности, то говорят: это было обычное циклическое развитие экономики. Схлопывание «пузыря» проявляется в форме социально-экономического кризиса и имеет разнообразные последствия, некоторые из них имеют положительное влияние на развитие обще-ства и используется далее в жизнедеятельности.

Последние из кризисов – dot-com bubble и ипотечный кризис – оставили после себя широкое рас-пространение информационных технологий и углубленное государственное регулирования ипотечных займов, опыт выхода государства из ипотечного кризиса. Значительный интерес к криптовалютам ввел в арсенал научных методологий и прикладных разработок технологию блокчейн, как одну из эффектив-ных технологий поддержки коалиционных решений.

Есть принципиальное отличие в организации Проекта Биткоин от спекулятивных акций типа пира-миды. Но там и здесь задействован механизм ажиотажа, запущенный вне Проекта, и связанный с воз-можностью обмена криптовалют на фиатные деньги. Вот какое мнение Алана Гринспена о биткоине (2013 год):

«Я бы использовал аналогию с континентальным долларом. Он был выпущен в 1775 году без какого-либо обеспечения, в итоге к концу войны за независимость все «континен-тальные» доллары и доллары штатов не были погашены, и были выведены из обраще-ния. Человеческая природа такова, что, если вы получаете что-то вроде биткоина, вы думаете, что он чем-либо обеспечен. Но биткоин больше похож именно на континен-тальный доллар, который не имел никакой ценности и служил только целям граждан-ской войны» 5. «Биткоин не имеет фактической ценности. Вы должны действительно сильно пофантазировать, чтобы понять какова его истинная ценность. Я не смог этого сделать. Может быть, кто-то другой сможет».

А вот каким стало мнение у Алана Гринспена в 2017 году:

«Биткоин – это восхитительный пример того, как люди могут создавать ценность, не руководствуясь при этом соображениями рациональности. В этом случае перед нами лежит нерациональная валюта»6.

Проект Биткоин – это рыночный механизм, но это не предмет наших текущих исследований. Наша задача, опираясь на идеологию системного анализа и теории принятия решений, исследования опера-ций, теории игр провести анализ совокупности процедур, составляющих технологию блокчейн.

В исходной статье С. Накамото и в комментариях средств массовой информации в последующем превалирующее место занял процесс защиты данных на основе криптографических алгоритмов. Эта оригинальная конструкция, безусловно, имеющая фундаментальный характер, была использована в ка-честве главного аргумента для обоснования идеи защищенности частных денег и поддержала интерес к криптовалютам. Из этой идеи и всеобщего интереса выкристаллизовался рациональный элемент Про-екта Биткоин – технология блокчейн.

Основная установка В рамках системного подхода к исследованию явлений в природе и обществе и при проектировании

прикладных систем предполагаются следующие этапы: содержательное изучение и осмысление кон-кретного объекта, построение моделей, определение информационных баз данных, реализация про-граммного обеспечения, разработка сценариев и проведение вычислительных экспериментов в имита-ционном режиме. Тем самым первичны: постановка проблемы, описание Проекта, и построение соот-ветствующей модели.

Общеизвестно, что модели могут быть эвристические, натурные (физические) и математические. Весь этот арсенал пригоден в данных ситуациях. В наших возможностях – использование информаци-онных и математических моделей. Это обстоятельство вполне понимается разработчиками текущих цифровых платформ, что иллюстрируется на следующей таблице, где в каждом описании цифровой платформы присутствуют понятия Проект и Модель.

Для проблематики, связанной с использованием технологии блокчейн, исходным в постановке, без-условно, является сообщество активных агентов, каждый из которых имеет свои цели, ресурсы и инфор-мированность. Сообщество, образуя коалицию, вырабатывает общую цель, ради которой создается ко-алиция, и механизмы ее достижения. Сообщество может возникнуть стихийно, а может быть создано некоторым физическим или юридическим лицом, конструктором, Центром. Процедуры управления в ко-алиции могут быть централизованными либо децентрализованными. В общее Соглашение коалиции

5 Бывший глава ФРС Алан Гринспен: Биткойн ничем не обеспечен, BITS MEDIA, 16.11.2017 // https://bits.media/ 6 Биткоин – это отражение нерациональной сущности человечества – экс-глава ФРС, TTRCOIN, 07.12.2017 //

https://ttrcoin.com/


26

включается различные целевые условия, касающиеся функционирование сообщества в рамках коали-ции, например, вопросы общей информированности, распределение достигнутого общего блага, част-ных и общих стратегий поведения и т.д.


27

Пример. Проект Биткоин: первичен был проект платежной системы, предложенный Сатоши Нака-мото, который дал в виде статьи описание Проекта создания аналога денег как обменного инструмента для некоторого сообщества лиц и создал первичное программное обеспечение. Затем возникла группа лиц, последователей, которая улучшила программное обеспечение и взяла на себя функции поддержки ПО, а затем возникла за счет стихийного интереса или организованной рекламной кампании сеть бирж для обмена права на монеты, обеспеченного согласием членов коалиции, на фиатные деньги, и коали-ция стала разрастаться, и цена обмена увеличиваться.

Приведенное описание подчеркивает основную установку настоящего изложения: в основе всех Проектов использования технологии блокчейн исходно лежит идея создания коалиции. Следующим ра-ботоспособным примером создания коалиции с использованием технологии блокчейн для поддержания функционирования коалиции является Платформа Ethereum («Эфириум»).

Целевая установка коалиции сообщества в Проекте Ethereum («Эфириум») состояла в автомати-зации процесса заключения контрактов между участниками, активными экономическими агентами.

В завершающем абзаце обзора7, непосредственно посвященном проблематике использования тех-нологий блокчейна в теории принятия решений, указывается, что децентрализованные приложения и децентрализованные организации на базе блокчейна могут создавать конкуренции правительственным организациям в исполнении управляющих и регулирующих функций.

Примеры разработок Примеры реальных Проектов приведены в вышеописанной Таблице. Кроме того, задачи управле-

ния перечислены в Программе РФ по Цифровой экономике в разделах 10 и 12. В работе [ШВАБ, 2016] приведена фраза: «Дизруптивные изменения, которые несет четвертая

промышленная революция, переопределяют деятельность государственных учреждений и организа-ций …». Очевидны также перспективы применения технологии блокчейн в сферах банковской деятель-ности (организация фондов заемщиков, процессов кредитования), бизнесе (организация инвестицион-ных проектов), в государственном управлении, в строительстве организационных структур политических партий. Организационная архитектура блокчейнов может приспосабливаться к сложным системам управления и организационным структурам, наряду с плоскими схемами p2p, появятся иерархические блокчейны, матричные блокчейны и другие архитектурные формы.

Интерес к децентрализованной организации управления в Проекте Биткоин на основе технологии блокчейн для нас (исследователей операций, специалистов в теории управления) состоит в том, что перед нами разворачивается живой уникальный социально-экономический эксперимент, в котором реа-лизуются различные механизмы управления. Имеется широкий простор для постановки различных за-дач, представляющих к тому же живой и обширный интерес во всем мире. Вот что говорит Стив Возняк о соперничестве блокчейна с бюрократией8:

«Сложно прогнозировать, достаточно ли силен блокчейн, чтобы изменить мир. Бюро-кратическая система сложна для понимания, особенно с точки зрения математической, логической систем. Технологии – это движение вперед, бюрократия – от желания кон-тролировать. За блокчейн стоит бороться. Когда эта технология только появилась, мне понравилась ее математическая составляющая. Вот, скажем, биткоины. Мы живем в системе, где постоянно печатаются деньги. Биткоин – очень взвешенная система. В блокчейне отсутствует централизация, и это очень важно, он ведет к развитию гори-зонтальной связи. Блокчейн уже проникает в нашу жизнь, а в будущем точно будет в медицинской и банковской сферах»

ОПИСАНИЕ ЭСКИЗА МОДЕЛИ В той конкретной версии, с которой можно ознакомиться при описании Проектов Биткоин и

Ethereum, технология блокчейн включает в себя последовательность действий для достижения консен-суса, т.е. достижения согласованного результата, оговоренного условиями вхождения участников в коа-лицию, принятию всеми участниками проекта (узлов сети) решений задач по поиску параметра nonce и подтверждения транзакций. Настоящая модель предназначена для анализа достижения консенсуса и угроз возникновения форков (разветвлений траекторий распространения информации в сети).

- Проект Проект программного комплекса имитирует некоторые аспекты функционирования блокчейна. За

основу взят биткоин. Моделируется часть тех процессов, которые составляют жизнь Биткоина. Основное внимание уделяется генерированию новых блоков с позиции угрозы возникновения форков (развилок). Модель создается для исследования форков и других вопросов, связанных с биткоином. Нижеследую-щее описание сделано в теоретико-игровой (субъектной) форме, в которой элементы, составляющие модель, выполняют отдельную самостоятельную работу. В окончательном виде, модель должна быть

7 https://en.wikipedia.org/wiki/Decentralization 8 Вячеслав Опахин, Мы никогда не полетим на другую планету, 07.10.2017, Новости Hi-tech, https://hi-tech.mail.ru/


28

реализована в виде программы, которая последовательно обрабатывает временные шаги модели и на каждом из них автономно модифицирует состояние каждого из элементов модели – узлов сети.

- Время дискретно Строим модель с дискретным временем, т.е. потактовую. Шаги (такты) модели будем обозначать

через 𝑡. Шаг модели – это довольно малая величина. Пока не определено, на какой стоит остановиться.

- Множество объектов Рассматривается множество объектов, которые мы будем называть узлами Сети. Будем полагать,

что все моделируемые узлы совмещают в себе майнинговые и коммуникационные свойства, это допу-щение. Число узлов сети обозначим 𝑁𝑡. Это величина переменная. С определенной заданной в модели вероятностью 𝛼+(𝑛) на каждом шаге модели может создаваться 𝑛 новых узлов. И с вероятностью 𝛼− любой из существующих узлов может аннулироваться. Появление узла означает, что он сразу начинает функционировать, работая с текущем состоянием блокчейна. Так как время от времени разные узлы могут поддерживать различные версии блокчейна, условимся, что новый узел принимает версию узла корреспондента с наименьшим номером. Варьируя значения 𝛼+ и 𝛼−, можно выбрать оптимальный для модели примерный максимальный размер сети. На практике уже существующие узлы могут временно отключаться и включаться вновь. Пока эту возможность можно не учитывать, так как нет смысла услож-нять модель этим эффектом.

- Мощность узла Каждому узлу 𝑛 приписывается некоторая условная величина 𝑃𝑛, характеризующая мощность май-

нинг-оборудования. Эта величина выбирается вероятностным образом в момент создания узла. Пола-гаем, что она не меняется в продолжении всей жизни узла (что. конечно, весьма условно).

ДУГИ (КАНАЛЫ) СВЯЗИ Узлы сети связаны друг с другом двунаправленными дугами. Дуги моделируют каналы связи, по

которым передается информация. Будем считать, что на каждом шаге 𝑡 у каждого узла должно быть не

менее, чем 𝑆𝑚𝑖𝑛 каналов связи. Каналы выбираются случайным образом при создании узла и сохраня-

ются. На шаге 𝑡 узел 𝑛 может иметь меньшее, чем 𝑆𝑚𝑖𝑛 число дуг. Это возможно из-за прекращения

работы узла-корреспондента. В этом случае для узла 𝑛 случайным образом выбирается новый корре-

спондент. Новая дуга начинает функционировать с лагом времени 𝑡𝑠. Комментарий. На практике узлы сами заботятся о наличии связей, делая соответствующие за-

просы, и только от их владельцев зависит, со сколькими другими узлами связаны их узлы. Так как кор-респонденты выбираются случайным образом, в модели их число для отдельного узла может заметно

превышать величину 𝑆𝑚𝑖𝑛.

ИНФОРМАЦИЯ УЧАСТНИКА (УЗЛА)

Опишем, какой информацией обладает участник (узел) 𝑛 к моменту 𝑡. Ему известна сформированная к этому моменту цепочка блоков. Каждый блок характеризуется

его номером и уникальным идентификатором (именем). Он содержит пронумерованные имена предыдущих блоков и множество имен, включенных в него транзакций.

Комментарий. Имя блока моделирует хэш реального блока. В модели для создания имени можно использовать любую функцию, которая случайным образом выдает достаточно длинный набор симво-лов. Можно использовать и хэш-функцию. Почему нет? На практике для проверки участником соответ-ствия нового блока его версии цепочки достаточно хранить только ссылку на предыдущий блок. Это достигается за счет уникальности хэшей. Так как пока в модели хлопотный аппарат хэшей не предпола-гается как обязательный элемент, чтобы обеспечить проверку соответствия блока и цепочки, вводится сопровождение блока списком имен предшествующих блоков.

Реальный блок содержит набор данных, нужных для удобства работы сети и для защиты информа-ции. Здесь, в этой модели пока все это не рассматривается. Предполагается, что информация в достаточной степени защищена криптографией от фальсификации. То же относится и к транзак-циям, которые на практике содержат ключи, входы, выходы и всякую сопроводительную информа-цию. Пока все это в модель не включается. В модели предполагается, что каждую транзакцию отли-чает уникальный код (имя) (в реальности, по-видимому, хэш) и только. ПУЛ НЕУЧТЕННЫХ ТРАНЗАКЦИЙ Каждый участник поддерживает пул, неучтенных (еще не включенных в блокчейн, неподтвержден-

ных) транзакций. Этот пул составлен из транзакций, полученных участником по сети от момента 𝑡′ по-

следнего включения участником блока в свою версию блокчейна, до текущего момента 𝑡, а также из

транзакций, содержавшихся в пуле к моменту 𝑡′ и не попавших в последний блок.

СОБЫТИЯ НА ШАГЕ 𝒕 На шаге 𝑡 происходят следующие события.

𝑡.1. С заданной вероятностью 𝜇(𝑘) узел 𝑛 принимает к обработке 𝑘 вновь созданных транзакций.


29

Комментарий. Это транзакции, созданные либо самим участником 𝑛, либо не представленными в модели, анонимными, держателями кошельков, которые, как подразумевается, напрямую коммутиро-ваны с узлом 𝑛.

Узел включает эти транзакции в свой пул неподтвержденных транзакций. Их же он передает по каналам связи коммутированным с ним узлам.

𝑡.2 Кроме того, узел принимает от своих корреспондентов передаваемые по сети транзакции, кото-рые поступили ранее на другие узлы. Время передачи пакета транзакций от узла к узлу будем считать

постоянным и обозначим 𝜏1. Комментарий. Быть может, имеет смысл положить его равным минимальному, т.е. 1, быть может,

сделать пропорциональным числу передаваемых транзакций – пока не ясно Участник проверяет, не содержаться ли эти транзакции в его пуле неподтвержденных транзакций.

Те, которые еще не содержаться, он добавляет в пул, а также пересылает своим корреспондентам, если только они не были от них же получены.

𝑡.3 Участник 𝑛 на шаге 𝑡 может получить от узлов-корреспондентов новый, очередной блок, создан-ный на одном из узлов сети. Получив новый блок, участник проверяет его номер. Если он меньше или равен номеру 𝑚, последнему в текущей цепочке участника 𝑛, то такой блок отвергается. Если этот номер

больше или равен 𝑚 + 1 и не поступал на узел 𝑛 ранее на шагах ≤ 𝑡, то блок пересылается по сети

корреспондентам участника 𝑛. Данные нового блока распространяются по сети со скоростью 𝜏2, т.е.

узлы-корреспонденты получат этот блок на шаге 𝑡 + 𝜏2. Комментарий. На шаге 𝑡 один и тот же блок может прийти несколько раз от разных корреспонден-

тов. 𝑡.4 Если номер полученного блока равен 𝑚 + 1, и блок ссылается на блок 𝑚 в цепи участника 𝑛 как

на предыдущий, то участник добавляет этот блок к своей цепочке. 𝑡.5 Если номер полученного блока 𝑚′ > 𝑚 + 1, то участник 𝑛 делает (обратный) запрос к узлу, при-

славшему данный блок. Это запрос с требованием выслать цепочку блоков с номерами 𝑚 + 1 ≤ 𝑚′ < 𝑚". Он будет получен адресатом на шаге 𝑡 + 1.

𝑡.6 Если номер полученного блока равен 𝑚 + 1, но указанное в нем имя предыдущего блока отли-

чается от имени блока 𝑚 в цепи узла 𝑛, то участник 𝑛 сравнивает имена блоков в своей цепочке с их именами в полученном блоке и находит номер �̃�, первый, где есть расхождение. Затем он на том же шаге 𝑡 делает (обратный) запрос к узлу, приславшему данный блок, с тем, чтобы тот переслал ему все другие блоки, начиная с номера �̃�.

𝑡.7 Некоторое время у участника 𝑛 уйдет на этот обмен данными и проверку присланной цепочки.

Оценим это время как 𝑞𝜏2 + 1, где 𝑞 – число запрошенных блоков. После этого узел 𝑛 производит замену блоков своей цепочки с соответствующими номерами на полученные блоки и переходит к использова-нию нового экземпляра блокчейна.

Комментарий..Номер пришедшего блока может быть меньше ожидаемого в случае попытки фаль-сификации цепочки. Но он также может быть меньшим просто из-за более долгого пути по сети, чем путь для некоторого блока, созданного на другом узле почти одновременно с ним. Тогда участник 𝑛, получив более «близкий» блок переходит к ожиданию блока с номером на единицу большим.

Комментарий. Если структура сети не меняется и узел 𝑛 на шаге t не находится в состоянии ожи-дания ответа на запрос от узла-корреспондента, то, по-видимому, невозможна ситуация, когда вновь пришедший блок имеет номер, больше, чем ожидаемый 𝑚 + 1. При появлении новых узлов такое, во-

обще говоря, возможно. Новый узел может начать функционировать, загрузив цепь до номера 𝑚 + 1.

При этом на этот узел может очень быстро прийти информация о блоке 𝑚 + 2, которую он сразу передаст своим корреспондентам. Но пути, по которым движется информация к этим корреспондентам о

блоке 𝑚 + 1 могут оказаться длиннее, чем новый путь, по которому прошла информация о блоке 𝑚 + 2. Впрочем, вся эта ситуация представляется весьма казуистической. В отличие от задержек, связанных с обратным запросом.

СИТУАЦИЯ ФОРКА Комментарий Случай обратного запроса – это, как раз, ситуация форка. Представленный выше

способ ее разрешения – допущение. Пока не удается обнаружить описание того, как именно действуют узлы в реальности при замене одной версии цепи на другую.

ВАЛИДАЦИЯ Комментарий Валидация, т.е., в данном контексте, проверка корректности блока и блокчейна в

целом, на практике включает в себя множество действий. Проверяются хэши блоков, заголовки, размеры блоков, сами транзакции. Пока моделировать все это не обязательно. Будем исходить из того, что все новые блоки корректны. Тогда валидация сводится к проверке номеров и имен блоков.

После валидации и добавления в блокчейн нового блока (или блоков, пришедших в ответ на обрат-ный запрос), узел 𝑛 сравнивает состав (набор транзакций) нового блока и своего пула неподтвержден-ных транзакций, оставляя в последнем лишь те, что по-прежнему не включены в блокчейн. После этого


30

участник немедленно, т.е. на том же шаге 𝑡, приступает к майнингу нового блока, включая в него все оставшиеся в пуле неучтенные транзакции.

ОГРАНИЧЕНИЯ ОБЪЕМА БЛОКА Комментарий. На практике объем блока ограничен. Поэтому в новый блок включаются, вообще

говоря, не все транзакции из пула, а согласно приоритетам. Однако пока нигде не найдены объяснения, как решается проблема переполнения пула неподтвер-

жденных транзакций. Поэтому принимается допущение, что объем блоков неограничен и, следова-тельно, в него майнером включаются все неучтенные к началу майнинга транзакции.

СОБСТВЕННЫЙ НОВЫЙ БЛОК С некоторой вероятностью участник 𝑛 на шаге 𝑡 создает собственный новый блок. В этом случае

он делает те же внутренние действия и распространяет этот блок по сети точно так же, как это описано выше для случая, когда корректный блок приходит со стороны. Вероятность создания нового блока на текущем шаге определяем формулой

Ω𝑡𝑛 =

1

𝑇×

𝑃𝑛

∑ 𝑃𝑘𝑁𝑡

𝑘=1

Здесь 𝑇 – среднее время, выраженное в шагах модели, между появлением новых блоков. Комментарий. На практике Блокчейн пытается поддерживать периодичность появления новых

блоков, примерно, в 10 мин. Делается это несколько более сложным приемом – изменением трудности решаемой задачи, причем коррекция производится не на каждом шаге, а тоже с некоторой периодично-стью. В данной модели не обязательно принимать это усложнение.

Литература 1. Satoshi Nakamoto (2009). Bitcoin: A Peer-to-Peer Electronic Cash System, www.bitcoin.org 2. Antonopoulos, Andreas M. Mastering Bitcoin. UNLOCKING DIGITAL CRYPTOCURRENCIES,

O’Reilly Media, Inc., 2014, – 272 p. 3. Narayanan A., Bonneau J., Felten E., Miller A., Goldfeder S.. Bitcoin and cryptocurrency technolo-

gies: a comprehensive introduction. Princeton : Princeton University Press, 2016. – p. 4. Ерешко Ф. И. Теория иерархических игр в приложении к законотворчеству в цифровом обще-

стве. Бизнес в законе. // Computational nanotechnolgy, 2017, №2, С. 52–58. 5. Равал С. Децентрализованные приложения. Технология Blockchain в действии. — СПб.: Питер,

2017. — 240 с. 6. Шваб, К. Четвертая промышленная революция / К. Шваб. - ЭКСМО, 2016, 230 с.

Ерешко Феликс Иванович

Ключевые слова Блокчейн, хэш, коалиция, форк, биткоин

Ereshko Feliks,. Thinking about blockchain

Keywords Blockchain, hash, coalition, fork, bitcoin

Abstract Blockchain Technology is intended for Projects where there is a community of active agents who create a

Coalition to solve a common problem, achieve a common goal and agree on mechanisms for its solution. There-fore, always the development of Projects should be started with descriptive and game-theoretic models, not cryptography. And it is presented in the review of existing Digital platforms, including Ethereum, Mastercar etc. This scheme is given later in the text. An indispensable component of all Digital boards is a model: peer-to-peer, multi-role, etc. A description of the version of the model of information dissemination in the network of the Bitcoin Project, which is accepted as a model for illustrations and applications, is given. It is noted that there is experi-ence in building such models and there is an understanding of how to take into account the blockchain technol-ogy in the models. It is proposed to create a mathematical prototype to assess the possible application of block-chain technology for various architectures of organizational systems and decision-making mechanisms.

Меденников В.И. Принципы формирования единой цифр. платф. страны

31

1.3. ПРИНЦИПЫ ФОРМИРОВАНИЯ ЕДИНОЙ ЦИФРОВОЙ ПЛАТФОРМЫ СТРАНЫ

Меденников В.И., д.т.н., Вычислительный центр им. А.А. Дородницына ФИЦ «Информатика и управление» РАН

В работе рассматриваются с системных позиций основы и пути формирования единой цифровой платформы страны на примере интеграции цифровых платформ АПК, строительной отрасли, логистической деятельности, фармацевтической отрасли на идеях А.И. Китова и В.М. Глушкова об Общегосударственной автоматизированной системе сбора и обработки информации для учета, планирования и управления народным хозяйством в СССР (ОГАС).

Введение Одной из основных тенденций в развитии современного общества и экономики является повсе-

местная интеграция разрозненных процессов в единую систему с целью повышения эффективности вза-имодействия с широким использованием достижений научно-технического прогресса, в частности, циф-ровой экономики. Данная систематизация позволяет улучшить обмен информацией между различными отраслями и участниками логистической цепи добавленной стоимости, увеличить скорость обработки и выполнения заказов. С каждым годом веление времени заставляет все большее число компаний прибе-гать к принципу интеграции разрозненных процессов в единую систему. Современное производство все больше выстраивается вокруг так называемых глобальных цепочек добавленной стоимости, количество звеньев которой порой превышает несколько сотен. Их рост в последние два десятилетия не только значительно изменил характер мировой экономики, но и оказал сильное влияние на отдельные страны. Данные тенденции потребовали интеграции различных отраслей, порой в разных странах, в частности, на основе введения согласованных соответствующих стандартов и правил ведения бизнеса. В большин-стве отраслей потребность в комплексном, системном подходе к управлению связана с требованиями рынка, требованиями регулирующих органов и недавно появившимися требованиями третьих – заинте-ресованных лиц. Например, в фармацевтической отрасли рынок предъявляет требования к медицин-скому сообществу точнее идентифицировать заболевания и создавать целевые пакеты решений по за-щите здоровья населения, требует перехода от производства так называемых “безразмерных лекарств” к “целенаправленным терапевтическим решениям”.

Это – с одной стороны. С другой – мировые тенденции в области нормирования и регулирования производства ориентированы на глобальную гармонизацию требований к производству различных про-дуктов на протяжении всего жизненного цикла от разработки до получения заданного эффекта.

Таким образом, представлены два основных направления: - увеличивающаяся социальная ответственность производителя продукта, навязываемая госу-

дарством и обществом в целом; - акцент на обеспечение выпуска продукции надлежащего качества посредством организаци-

онно-управленческих мер по всем этапам – от разработки нового до реализации готового про-дукта. Практически во всех странах население поменяло свои модели потребления в сторону повышения качества и безопасности пищевых продуктов.

Что касается третьих лиц, то в последнее время востребована концепция, по которой каждый поку-патель в онлайн-режиме может проверить сведения о качестве, безопасности и легальности продукции, а контролирующие органы – получать доступ к полному спектру сведений о продукте.

В результате в большинстве отраслей появились так называемые референтные модели, объеди-няющие и систематизирующие все знания по отраслевым бизнес-моделям. Референтная модель — это модель эффективного бизнес-процесса, созданная для предприятия конкретной отрасли, внедренная на практике и предназначенная для использования при разработке/реорганизации бизнес-процессов на других предприятиях. По сути, референтные модели представляют собой эталонные схемы организации бизнеса, разработанные для конкретных бизнес-процессов на основе реального опыта внедрения в раз-личных компаниях по всему миру. Они включают в себя проверенные на практике процедуры и методы организации управления [Тихонов, 2015].

Активное проникновение информационных технологий в последнее время во все сферы жизнеде-ятельности и в большинство предприятий в мире на основе различных подходов – как по средствам проектирования, так и по средствам разработки – позволило обобщить эти технологии с помощью си-стемного подхода, математического моделирования, в том числе, онтологического. Более того, инфор-мационные технологии начинают диктовать правила формирования отраслевых референтных моделей на основе их интеграции и типизации. В результате должны появиться онтологические модели страны, а также некое ядро мировой онтологической модели.

Порой эти процессы идут несогласованно. Связано это с дезинтеграционными процессами, продик-тованными рыночной стихией, устаревшими технологиями, более привычными для многих руководите-лей IT-подразделений, при проектировании, разработке и внедрении информационных систем (ИС). В результате большинство отраслей оказалось на разных уровнях интеграции информационных систем, что будет сдерживать объединение их в единую систему.


32

В работе рассматриваются основы референтных моделей, являющихся базой формирования циф-ровых платформ некоторых отраслей, а также пути их интеграции на идеях А.И. Китова и В.М. Глушкова об Общегосударственной автоматизированной системе сбора и обработки информации для учета, пла-нирования и управления народным хозяйством в СССР (ОГАС).

Референтные модели в АПК Указанные выше тенденции послужили толчком для разработки Федерального регистра технологий

производства продукции растениеводства. На его основе создан Федеральный регистр сельскохозяй-ственных машин. Это обосновано необходимостью осуществления технологической и технической по-литики в АПК и регулирования рынка машин. В [Кузьмин, Королькова и др. 2008] приведена карта техни-ческой реализации (форма ИТК-2) основных технологических операций с выделением характеристик: состав агрегата, расход используемых ресурсов, временные характеристики. Региональные регистры представляют собой свод типизированных базовых технологий, зарегистрированных в определенном порядке с учетом их производственной проверки и сертификации. На их основе формируются техноло-гические карты в виде технологической документации, содержащей весь процесс производства продук-ции, описание операций и их составных частей: сырье, материалы, производственная техника, машины, оборудование и технологические режимы, необходимые для изготовления изделия время, квалифика-ция работников.

Методика формирования регистров основывается на онтологическом моделировании технологиче-ских операций и технологий вследствие большого многообразия агроэкологических условий. В качестве ключевого понятия рассматривается базовая технология, т.е. совокупность взаимосвязанных техноло-гических операций по возделыванию сельскохозяйственной культуры, выполнимых в наиболее благо-приятных экологических условиях для данной культуры в пределах природно-сельскохозяйственной провинции. Операция - отдельная законченная часть технологического процесса, которая, как правило, выполняется одним видом орудий труда и одним или несколькими рабочими (бригадой, звеном). В сель-ском хозяйстве выделяют следующие операции: пахота, сев, посадка, доение, кормление скота и т. д. Операции бывают как основные, так и вспомогательные. К основным относятся операции, непосред-ственно связанные с изменением размеров, форм, свойств, внутренней структуры продукта труда или превращением одного вещества в другое, а также с изменением местоположения предметов труда от-носительно друг друга. К вспомогательным относятся операции, выполнение которых способствует про-теканию основных, например, перемещение предметов труда, контроль качества, снятие и установка, хранение, комплектование агрегата, проведение регулировок машин, подготовка поля.

К сожалению, в АПК процесс формирования референтных моделей идет рассогласованно с внед-рением информационных технологий, то есть без ориентации на современные тенденции в части ИС. Минсельхоз все годы перестройки полагался на рыночный подход в области информатизации. Как твер-дил, что рынок все лучше сделает в части внедрения ИС, так и продолжает твердить в эпоху цифровой экономики. Например, анализ различных информационных систем в растениеводстве показывает, что в стране продолжается эпоха «позадачного» проектирования и разработки их с формированием собствен-ных концептуальных логических моделей растениеводства, являющихся онтологически несовместимым подмножеством единой концептуальной информационной модели растениеводства, рассмотренной ниже. Например, ГК «Беспилотные системы» создает филиалы по стране, выбор же ГИС и концептуаль-ной модели предметной области остается за регионами. Таких фирм появляется все больше и больше.

Уровень ИКТ, достигнутый к настоящему времени, позволяет перейти к технологиям, как разра-ботки ИС, составляющих суть цифровой экономики (ЦЭ), так и управления развитием общества на идеях академика Глушкова В.М. и Китова А.И. [Peters, 2016], [Глушков, 1975] об ОГАС. Эти идеи предполагают формирование единой системы сбора и анализа учетной и статистической отчетности, внедрение типо-вых производственных научно-образовательных информационно-управляющих систем (ИУС). Однако, отказ от реализации данного проекта явился катализатором бессистемного, некомплексного подхода к процессу информатизации в стране. В результате появилось большое количество из сотен и тысяч изо-лированных и несовместимых по функциям локальных ИУС на предприятиях АПК, органах управления, в НИИ, учебных заведениях. По нашим расчетам в ближайшее время будет создано несколько сотен тысяч ИС в сельском хозяйстве с такими же проблемами. Следуя позадачному подходу (еще называют островной, лоскутной информатизацией) и оценивая количество задач, решаемых в растениеводстве, в размере 150, различных технологических операций – около 20, регионов – 80, культур – 20, получим потенциально 4800000 информационных систем.

Поэтому необходимо на данном этапе реализации Программы цифровой экономики попытаться избежать негативных последствий непринятия ОГАС и разработать предложения по ее реализации со-временными IT-технологиями. Для этого в данном подразделе проанализирован опыт разработки Все-российским научно-исследовательским институтом кибернетики АПК (ВНИИК) системы управления аг-рокомбинатом «Кубань» на основе технологии ОГАС в рамках реализации подпрограммы «Электрони-зация сельского хозяйства» Комплексной программы НТП стран-членов СЭВ. В результате этого по уровню информатизации среди других отраслей АПК вышел на передовые рубежи. Фактически в АПК произошел качественный скачок от оригинального, лоскутного подхода к индустриальному подходу в проектировании, разработке и внедрении ИС.


33

Были получены общие для всех сельскохозяйственных предприятий России референтные модели, представляющие типовые логические структуры технологических БД и функциональные задачи в ре-зультате интеграции на основе онтологического моделирования соответствующих БД в растениевод-стве, животноводстве, механизации и т.д.

Например, на (рис. 1) приведена укрупненная концептуальная информационная модель растение-водства на основе онтологического моделирования информационных ресурсов в растениеводстве, об-щая для всех растениеводческих предприятий России. В скобках указано количество атрибутов в соот-ветствующем информационном блоке.

На основе технологии синтеза

оптимальных информационных си-стем [Меденников, 1993], [Ерешко и др., 2018], была проведена интегра-ция всей первичной учетной инфор-мации. Оказалось, что вся первич-ная учетная информация может быть сформирована в виде универ-сальной структуры (кортежа): вид операции, объект операции, место проведения, кто проводил, дата, ин-тервал времени, задействованные средства труда, объем операции, вид потребленного ресурса, объем потребленного ресурса.

Данная структура коррелирует с формой ИТК-2 [Кузьмин, Король-кова и др. 2008]. Учитывая совре-менные возможности облачного хранения информации на основе мощных систем управления БД (СУБД), первичная учетная инфор-мация всех предприятий может хра-ниться в единой облачной БД (ЕБД) в виде указанного кортежа [Ерешко и др. 2018].

Из ЕБД могут получать инфор-мацию для расчетов непосред-

ственно, как бухгалтера, так и остальные специалисты в оперативном режиме, в отличие от бухгалтер-ских систем. Кроме того, можно проводить анализ информации не только на уровне предприятий, но и на всех других уровнях, вплоть до федерального. При этом ЕБД первичного учета может заполняться учетчиком с любого мобильного устройства, а также с различных датчиков и приборов, размещаемых как стационарно, так и на различных летательных устройствах.

Интеграция в некотором облаке ЕБД первичного учета и технологических БД представляет собой единое информационное Интернет-пространство цифрового взаимодействия (ЕИИП) всех предприятий и организаций сельского хозяйства.

Рассмотрим структуру ЕБД первичного учета на примере описания операции «Внесение минераль-ных удобрений» с описанием классификаторов и атрибутов первичной учетной информации. Некоторые данную операцию рассматривают как функцию, состоящую из операций: погрузка, транспортировка и разбрасывание.

1. Классификатор видов операций: 1.1. внесение минеральных удобрений (идентификация в соответствии с технологической картой). 2. Классификатор объектов операций: 2.1. минеральные удобрения (идентификация удобрений в соответствии с классификатором). 3. Классификатор места проведения операций: 3.1. поле (идентификация поля в соответствии с концептуальной информационной моделью расте-

ниеводства). 4. Классификатор субъектов операций: 4.1. тракторист (идентификатор в виде табельного номера, ИНН). 5. Классификаторы дат формируются на основе принятых в конкретной компании учетных требо-

ваний. 6. Классификаторы интервалов времени формируются на основе принятых в конкретной компании

учетных требований. 7. Классификатор задействованных средств труда:

Рисунок 1 Укрупненная концептуальная информационная модель растениеводства


34

7.1. трактор (государственный номер, идентификация с реквизитами – марка, грузоподъемность, год выпуска в соответствии с классификатором);

7.2. прицеп для внесения минеральных удобрений (государственный номер, идентификация с рек-визитами – марка, грузоподъемность, год выпуска, в соответствии с классификатором).

8. Классификатор объема операции: 8.1. центнер; 8.2. гектар. 9. Классификатор видов и объемов потребленного ресурса: 9.1. топливо (код, вид, объем); 9.2. минеральные удобрения (код, вид, объем).

Референтные модели в логистике В числе первых отраслей, осознавших необходимость комплексного, системного подхода к управ-

лению своей деятельностью, была логистика. Период с 1980-х до середины 1990-х годов характеризу-ется стремительным развитием логистики в индустриальных странах Запада. Факторы этого развития: революция в информационных технологиях и внедрение ПК, глобализация рынка, распространение фи-лософии всеобщего управления качеством, рост партнерства и стратегических союзов и т.д. Продвиже-нию логистики в бизнесе способствовал быстро развивающийся рынок электронных коммуникаций. Определяющую роль в утверждении интегральной концепции логистики сыграла возможность постоян-ного контроля за материальными потоками в реальном масштабе времени в режимах удаленного до-ступа через информационные системы связи (например, через спутниковые телекоммуникационные си-стемы). В этом случае управление цепями поставок потребовало создания комплексной системы взаи-модействия предприятий, включающей в себя организацию кооперационных отношений, интегрирован-ное управление цепями поставок, создание единого информационного пространства для координации и коммуникации участников цепями поставок.

Рассмотрим концепцию ЕИИП на примере управления транспортной внешней логистикой с описа-нием классификаторов и атрибутов первичной учетной информации.

1. Классификатор видов операций: 1.1. выбор поставщиков товаров (идентификация); 1.2. выбор транспортных компаний (идентификация); 1.3. выбор складов (идентификация). 2. Классификатор объектов операций: 2.1. список (план) заказов (регистрационный номер, объем потребностей потребителей в товарах,

даты начала и окончания исполнения заказа, описание других требований заказов); 3. Классификатор места проведения операций: 3.1. офис фокусной (логистической) компании (идентификация с реквизитами: регион, адрес,

наименование). 4. Классификатор субъектов операций: 4.1. поставщики товаров (идентификация с реквизитами: регион, адрес, наименование, перечень,

объемы и качественные характеристики поставляемых товаров, место их складирования, данные бух-галтерской отчетности, и т.д., предыстория выполнения договоров поставки);

4.2. транспортные компании (идентификация с реквизитами: регион, адрес, наименование, нали-чие, исправность, грузоподъемность, количественные и стоимостные характеристики транспортных средств, наличие свидетельств, лицензий на право осуществления видов деятельности, наличие прочих документов и условий для качественного выполнения работ и т.д., предыстория выполнения договоров);

4.3. потребители товаров (идентификация с реквизитами: регион, адрес, наименование, наличие свидетельств, лицензий, прочих документов и т.д., предыстория выполнения (оплаты) договоров по-ставки;

4.4. склады (идентификация с реквизитами: регион, адрес, наименование, наличие необходимых для данного вида деятельности документов, характеристики складских помещений);

4.5. фокусная (логистическая) компания (идентификация с реквизитами: регион, адрес, наимено-вание, наличие списка (плана) заказов и необходимых документов).

5. Классификаторы дат формируются на основе принятых в фокусной компании требований. 6. Классификаторы интервалов времени формируются на основе принятых в фокусной компании

требований. 7. Классификатор задействованных средств труда: 7.1. транспортное средство (государственный номер, идентификация с реквизитами – марка, гру-

зоподъемность, год выпуска); 8. Классификатор объема операции: 8.1. количество. 9. Классификатор видов и объемов потребленного ресурса: 9.1. деньги (код, вид, объем).


35

Референтные модели в строительной отрасли Рассмотрим строительную отрасль, референтные модели в которой при цифровой трансформации

экономики должны существенно повысить эффективность ее деятельности. Поскольку уровень детали-зации характеристик (атрибутов) первичной учетной информации зависит от задач и целей, которые нужно решить и достичь в результате проектирования ЕИИП, в качестве примера приведем первичную учетную информацию с необходимыми классификаторами и атрибутами для решения задачи по выбору исполнителей работ: проектировщиков, подрядчиков, поставщиков материалов.

1. Классификатор видов операций: 1.1. выбор проектировщиков (идентификация); 1.2. выбор подрядчиков (идентификация); 1.3. выбор поставщиков материалов (идентификация). 2. Классификатор объектов операций: 2.1. инвестиционный проект (регистрационный номер, инвестор, дата начала, дата окончания, сто-

имость, (описание требований проекта)); 2.2. строительный проект (регистрационный номер, инвестор, дата начала и окончания, стоимость,

(описание требований проекта, в т.ч. состав и количество оборудования, машин и механизмов, перечень, объемы и качественные характеристики поставляемых материалов для проведения работ и т.д.)).

3. Классификатор места проведения операций: 3.1. офис заказчика (застройщика) работ (идентификация с реквизитами: регион, адрес, наимено-

вание). 4. Классификатор субъектов операций: 4.1. поставщик материалов (идентификация с реквизитами: регион, адрес, наименование, перечень

и объемы поставляемых материалов, качественные характеристики поставляемых материалов, место их складирования, данные бухгалтерской отчетности, и т.д., предыстория выполнения договоров по-ставки);

4.2. исполнитель работ - подрядчик (идентификация с реквизитами: регион, адрес, наименование, наличие и исправность оборудования, машин и механизмов для проведения работ, наличие свидетель-ств, лицензий, предоставляющих право осуществления видов деятельности, и т.д., предыстория выпол-нения подрядных договоров);

4.3. исполнитель работ - проектировщик (идентификация с реквизитами: регион, адрес, наименова-ние, наличие свидетельств, лицензий, предоставляющих право осуществления видов деятельности и их качество и т.д., предыстория выполнения договоров проектирования дорог);

4.4. инвестор работ (идентификация с реквизитами: регион, адрес, наименование, наличие инве-стиционного проекта, финансовых средств и необходимых для инвестора документов);

4.5. заказчик (застройщик) работ (идентификация с реквизитами: регион, адрес, наименование, наличие строительного проекта и необходимых документов).

5. Классификаторы дат формируются на основе принятых в компании застройщика требований. 6. Классификаторы интервалов времени формируются на основе принятых в компании застрой-

щика требований. 7. Классификатор задействованных средств труда: 7.1. погрузчик (государственный номер, идентификация с реквизитами – марка, грузоподъемность,

год выпуска); 7.2. самосвал (государственный номер, идентификация с реквизитами – марка, грузоподъемность,

год выпуска); 7.3. каток (государственный номер, идентификация с реквизитами – марка, грузоподъемность, год

выпуска); 7.4. виброплита (государственный номер, идентификация с реквизитами – марка, грузоподъем-

ность, год выпуска). 8. Классификатор объема операции: 8.1. количество (проектов); 9. Классификатор видов и объемов потребленного ресурса: 9.1. деньги (код, вид, объем); 9.2. песок (код, вид (коэффициент фильтрации, насыпная плотность, влажность, модуль крупности),

место нахождения, цена, объем); 9.3. щебень (код, вид (класс, фракция, порода, лещадность), место нахождения, цена, объем); 9.4. бетон (код, вид (марка бетона), место нахождения, цена, объем); 9.5. асфальтобетонная смесь (код, вид (горячий асфальт, холодный асфальт), место нахождения,

цена, объем); 9.6 органические вяжущие материалы (код, вид, (марка, класс), место нахождения, цена, объем).

Референтные модели в фармацевтической отрасли Как уже упоминалось выше, в фармацевтической отрасли потребность в нормативных референт-

ных моделях продиктована требованиями рынка, регулирующих органов и общества [Колышкин и др., 2016]. Примечательно, что в этой связи подразделение IBM Business Consulting Services (BCS) выпу-стило отчет об исследовании, в котором названы семь ключевых информационных технологий, которые


36

станут двигателем прогресса фармацевтической отрасли [Колышкин и др. 2016]. Среди них наиболее актуальная и необходимая для создания единой информационной среды фармацевтического предпри-ятия в настоящий момент – PAT технология (технология анализа производственных процессов – авто-матический контроль процессов в реальном времени).

Поэтому стимулирующим посылом к проведению дальнейших работ по информатизации фарма-цевтической отрасли явилась методология нормативных референтных моделей (НРМ), предназначен-ных для аккумулирования «рабочих» знаний и опыта по технологиям производства продукции [Колышкин и др. 2016]. Данная методология, по сути, отражает концепцию ЕИИП и будет способствовать система-тизации существующих и созданию новых знаний.

В соответствии со стандартом НРМ имеет следующий состав: - диаграмма хода процесса — графическое представление производственно-технологического

процесса в виде потока операций; - спецификации по параметрам и характеристикам операций — документы, содержащие требо-

вания к процессам производства и доказательства надлежащего исполнения (записи в журна-лах, протоколах и пр.).

Спецификация по параметрам и характеристикам единицы действия состоит из описания следую-щих компонентов (параметров):

- сырье (вход) — то, что преобразуется в выход (продукт или отходы); - продукт (основной выход) — то, что получается в результате операции; - отходы (дополнительный выход) — то, что не является основным результатом выполнения опе-

рации; - оборудование - то, с помощью чего совершается операция; - помещение (внутренняя среда действия), то, что составляет внутреннюю инфраструктуру опе-

рации; - территория (внешняя среда действия), то, что извне влияет на операцию; - документация (управление) — то, что описывает порядок выполнения операции; - персонал (оператор) — тот, кто выполняет операцию. Кроме параметров, у стандартной единицы действия есть дополнительные характеристики:

- владелец - лицо, несущее ответственность за ход и результаты операции; - контролируемые параметры - спецификации и характеристики операции, по которым владелец

операции и руководитель более высокого уровня могут судить о правильности выполнения опе-рации и ее эффективности;

- длительность - время выполнения операции. Для аккумулирования «рабочих» знаний и опыта по технологиям производства продукции предпо-

лагается формировать банк референтных моделей производственных процессов, который способствует систематизации существующих и созданию новых знаний.

Переложим НРМ в концепцию ЕИИП на примере операции «Получение воды очищенной» [Колыш-кин, 2016].

1. Классификатор видов операций: 1.1. получение воды очищенной (идентификация в соответствии с технологической картой). 2. Классификатор объектов операций: 2.1. вода очищенная (идентификация в соответствии с классификатором). 3. Классификатор места проведения операций: 3.1. цех розлива на территории предприятия (идентификация цеха в соответствии с технологиче-

ской картой, классификатор предприятия). 4. Классификатор субъектов операций: 4.1. аппаратчик цеха (идентификатор в виде табельного номера, ИНН). 5. Классификаторы дат формируются на основе принятых в конкретной компании учетных требо-

ваний и технологических карт. 6. Классификаторы интервалов времени формируются на основе принятых в конкретной компании

учетных требований и технологических карт. 7. Классификатор задействованных средств труда: 7.1. установка обратного осмоса (государственный номер, идентификация с реквизитами – марка,

производительность, год выпуска в соответствии с классификатором). 8. Классификатор объема операции: 8.1. литр. 9. Классификатор видов и объемов потребленного ресурса: 9.1. водопроводная вода (код, вид, объем). Анализ рассмотренных референтных моделей четырех отраслей позволяет обобщить концепцию

ЕИИП на остальные отрасли народного хозяйства. Как и в сельском хозяйстве, строительной отрасли, логистике, фармацевтической отрасли ЕИИП [Ерешко и др., 2016] страны связаны с созданием единой системы сбора, хранения и анализа первичной учетной, статистической информации, интегрированной


37

как между собой, так и с единой системой классификаторов, справочников, нормативов, представляю-щих реестры практически всех материальных, интеллектуальных и человеческих ресурсов страны на основе онтологического моделирования данных видов информационных ресурсов.

Данная структура ЕИИП, основанная на облачном хранении информации, иначе, цифровая плат-форма:

- позволит осуществить разработку унифицированных производственных типовых ИУС, инфор-мационно-вычислительных систем в науке и образовании;

- стать основой ситуационных центров, системы оперативного управления, планирования, ин-струментом для экономического анализа производства на основе математического моделиро-вания, big data, нейросетей в различных срезах от конкретных земельного участка, голов скота, средств производства, работников на каждом уровне, вплоть до федерального уровня с отсле-живанием всех перемещений животных, техники, материальных ресурсов, людей и т.д. даже из хозяйства в хозяйство на протяжении всего жизненного цикла их использования и деятель-ности;

- позволит существенно упростить бухгалтерский учет, при введении стандартов на функции управления расчеты будут вести программы-роботы;

- при обязательности отражения в общем «облаке» статистической информации позволит также существенно упростить деятельность Росстата. Расчеты также могли бы делать некие про-граммы-роботы;

- позволит сводить напрямую продавцов и покупателей с расчетом транспортного плеча и опти-мизацией издержек на основе ТРР;

- позволит проводить целенаправленную миграцию трудовых ресурсов; - сделает экономику страны прозрачной.

Заключение Переход на цифровую платформу в виде интеграции отраслевых референтных моделей на основе

ЕИИП позволит сократить затраты на выполнение Программы цифровой экономики в десятки-сотни раз. Иные пути, особенно, рыночный, построения цифровой экономики страны предполагают долгий и высо-козатратный процесс формирования и интеграции отраслевых цифровых платформ в единую цифровую платформу страны.

Литература

1. Взгляд в будущее: логистика 2013-2050, Эдуард Тихонов, 06.12.2015 // http://brainteam.ru/ 2. Кузьмин В.Н., Королькова А.П. и др. Нормативно-справочные материалы по планированию меха-

низированных работ в сельскохозяйственном производстве. ФГНУ «Росинформагротех». М. 2008. 3. Peters, Benjamin. How Not to Network a Nation: The Uneasy History of the Soviet Internet. — MIT Press,

2016. 4. Глушков В.М. Макроэкономические модели и принципы построения ОГАС. - М.: «Статистика». 1975. 5. Меденников В.И. Теоретические аспекты синтеза структур компьютерного управления агропро-

мышленным производством. // Аграрная наука, 1993, N 2. 6. Ерешко Ф.И., Кульба В.В., Меденников В.И. Реализация цифровой платформы АПК на основе

идей А.И. Китова и В.М. Глушкова об ОГАС, 21.05.2018, Журнал «Цифровая экономика», http://digital-economy.ru

7. Ерешко Ф.И., Меденников В.И., Сальников С.Г. Проектирование единого информационного Интер-нет-пространства страны. Бизнес в законе. Экономико-юридический журнал. Выпуск №6 2016 г., стр. 184-187.

8. Колышкин В.М., Маковский Е.В., Богатиков С.А., Марченков С.Н., Мизюк В.Д. Практический опыт формирования базы знаний организации в соответствии с требованиями стандартов серии ISO 9000. Биотехнология. 2016 г., № 1. С. 79-89.

Меденников Виктор Иванович

Ключевые слова цифровая платформа, информационные системы, логистика, фармацевтическая отрасль, строи-

тельная отрасль.

Medennikov Viktor, Formation principles the uniform digital platform of the country

Keywords digital platform, information systems, logistics, pharmaceutical branch, construction

Abstract The articler considers from the system positions the basics and the ways of forming a single digital platform

of the country by the example of integrating digital platforms of the agro-industrial complex, the construction industry, logistics, and the pharmaceutical industry on the ideas of A.I. Kitov and V.M. Glushkov on the nation-wide automated system for collecting and processing information for accounting, planning and management of the national economy in the USSR (OGAS).


38

1.4. ЦИФРОВАЯ ТРАНСФОРМАЦИЯ ОЦЕНОЧНОЙ ДЕЯТЕЛЬНОСТИ

Тевелева О.В., к.э.н., старший научный сотрудник,

Центральный экономико-математический институт РАН

В статье рассматривается вопрос цифровой трансформации оценочной деятельности как инсти-тута координаций и согласований общественных правоотношений. Показаны дальнейшие этапы его истории, указаны преимущества и недостатки, вызовы и угрозы, с которыми столкнется об-

щество, когда профессия оценщиков будет оцифрована и передана роботам и алгоритмам1.

Введение С позиции институциональной экономики, оценочная деятельность необходима для всевозможных

согласований, координаций, интерпретаций и предполагает вынесение профессионального суждения. Если нотариус выполняет функцию независимого и беспристрастного свидетеля, фиксирующего нали-чие или отсутствие того или иного факта, оценщик выполняет аналогичное действие, но в отношении стоимости – называет стоимость, выносит свое профессиональное суждение. Далее это служит отправ-ной точкой для различных хозяйственных операций, частных и публичных правоотношений. По сути, оценщик является «третьей», независимой стороной в предполагаемых или реальных сделках. При этом, оценщик должен получить соответствующее образование, подтвердить квалификацию, стать чле-ном профессионального объединения оценщиков, соблюдать необходимые нормы права, стандарты оценки, а также положения по этике.

Основная задача процесса оценки состоит в том, чтобы заинтересованные стороны чувствовали себя уверенно в условиях неопределенности и имели возможность опереться на стоимость, указанную оценщиком. Пока что эту функцию берут на себя люди, но в будущем, в эту сферу, так же, как и во многие другие, придут изменения в связи с цифровой трансформацией общества. Сейчас, когда цифровая трансформация переходит в активную фазу роста, настало время обсуждать методологические про-валы, которые накопились к настоящему времени и которые в случае их сохранения, будут уверенно вести оценочную профессию в сторону полной ее ликвидации. Собственно говоря, ликвидация оценоч-ной профессии не есть великое зло, особенно, если видеть услуги оценщиков исключительно как повод для дополнительных трансакционных издержек без какой-либо выгоды. Инструменты оцифровываются, автоматизируются, и оценщики, как субъекты профессиональной деятельности оказывается совер-шенно ненужными. Злом является то, что, при ликвидации профессии, вынесением профессионального суждения о стоимости будут заниматься роботы на основании давно уже устаревших «средневековых» алгоритмов, которым не будет никакой возможности противостоять.

Многие думают, что в оценочной деятельности хаос существует сейчас, когда все еще использу-ются старые и несовершенные инструменты. Но, по факту, нет. Всем решениям, суждениям, выносимым оценщиками, противостоять, все же можно – люди договариваются, апеллируют к эмоциям и здравому смыслу, обращаются к саморегулируемым организациям или к другим оценщикам. Так или иначе прихо-дят к компромиссу. И, вероятно, такой порядок работы закладывался изначально, при становлении про-фессии. Главным всегда был поиск оптимальных решений, устраивающих всех возможных участников сделки. «Закрутить гайки» и сделать так, чтобы не договаривались, а руководствовались только сказан-ным оценщиком можно было всегда. Для этого были инструменты, но их не использовали. Вероятно, совершенно осознанно, чтобы не было препятствий для бизнеса, экономического развития страны. Мно-гим было ясно всегда и понятно даже теперь, что такой ключевой пункт, как «определение стоимости», может всегда стать решающим, затормозить дальнейшее развитие любого субъекта экономической де-ятельности или отправить его в заранее не известном направлении.

К слову, профессия эта зарождалась не в России. В России сейчас действует некая калька. Разу-меется, искаженная местным менталитетом, особенностями ведения бизнеса, а также особенностями взаимодействия бизнеса и государства. Закон об оценочной деятельности регулярно переписывается под воздействием разных сил и активистов, некоторые, из которых не только не знают историю возник-новения и изначальные основные задачи оценщиков, но и не способны увидеть за оценочной деятель-ностью нечто большее, чем просто специалистов, которых полезно запугивать, можно и нужно «регули-ровать», а в ближайшем будущем полностью автоматизировать.

Краткая история появления оценочной деятельности Сейчас, на этапе цифровизации оценочной профессии важно знание о некоторых этапах ее разви-

тия. Мы об этом очень кратко напишем. Для российских оценщиков история формирования оценочной деятельности не является известной в силу того, что о ней не пишут на русском языке. Об истории можно

1 Работа выполнена по программе Президиума РАН I.120.П «Многофакторные вызовы и риски перехода к но-

вому этапу научно-технологического и экономического развития России: фундаментальные и прикладные про-блемы». Тема «Адаптация института профессиональной оценки и принятия стоимости к условиям цифровой экономики».

Тевелева О.В. Цифровая трансформация оценочной деятельности

39

узнать по некоторым статьям и заметкам журнала Appraisal Journal и Journal of Property Investment & Finance и потом очень удивиться, как все хорошие начинания были искажены, когда профессия пришла в Россию. «Профессиональная гильдия имущественных оценщиков была создана в течение середины девятнадцатого века наряду с расширением железных дорог и возникновением других задач управле-ния городским имуществом. В это время города и городские районы стали расти, развиваться, и специалисты по имущественным вопросам помогали проводить границы городских территорий, ре-шать вопрос налогообложения….» [Lorenz, Lützkendorf, 2008]. Тут следует пояснить, что активное стро-ительство железных дорог в Европе и Северной Америке сопровождалось целым рядом юридических и экономических трудностей, в том числе, необходимостью определения и выплат сумм компенсаций соб-ственникам земельных участков. Аналогично и с налогообложением. Сначала этот вопрос был актуален для Европы, потом и для США. К этому моменту оценщики еще не были объединены в профессиональ-ном смысле. Роль оценщиков тогда выполняли риэлторы и специалисты по имущественным вопросам. Это были образованные люди, хорошо понимающие необходимость справедливых компенсаций, а также последствия, которые могут быть связаны с обиженными людьми. К слову, и в США, и в Европе первые железные дороги были частными. Еще до начала строительства железнодорожным компаниям были предоставлены правительственные субсидии. Далее они же вымогали крупные субсидии и участки земли у городов и графств, угрожая в противном случае пустить железную дорогу мимо них. Понятно, что существенные завышения или занижения компенсаций были невыгодны железнодорожным компа-ниям и городам: в первом случае – это дополнительные издержки, во втором - обиженные граждане, суды и тоже издержки. Именно тогда стали искать объективные и справедливые методы оценки. Дело было величайшей важности. Как указывает Вэйн Мор [Moore, 2009] в своей статье, посвященной исто-рии оценочной деятельности, 28 марта 1874 в Ассоциации Социологии Филадельфии обсуждался до-клад Томаса Кокрана [Cochran, 1874] на тему «Методы оценки для целей налогообложения». Вот что пишет Мор: «В докладе на 24 страницах в общих чертах обрисованы проблемы, связанные с соотне-сением сумм арендных плат и стоимостью приобретения недвижимости…». То есть, фактически об-суждался доходный подход к оценке, как мы называем его сейчас. И, вероятно, было логичным брать налог не от средних цен реализации аналогичных объектов недвижимости, а от доходов, которые она могла принести. Интересно, что Альфред Маршалл о своих взглядах на стоимость напишет примерно через 20 лет.

Первой книгой, написанной на тему имущественной оценки, можно считать книгу Ричарда Херда 1903 года [Hurd, R.M. 1903], в которой присутствует полноценный исторический обзор развития городов и вполне осмысленное утверждение: «ценность – это меновая стоимость, а средние цены продаж – это лучший способ измерить ценность». Чуть позже, в 1906 году появилась книга Ирвинга Фишера [Fisher, I. 1906.] «Природа капитала и дохода», в которой были развиты идеи Альфреда Маршалла о том, что ценность надежных активов является причиной будущей прибыли. Конечно, взгляд на ценность ввиду такого утверждения у Фишера был уже другим – от провел различие между стоимостью и ценно-стью. По сути, в своей книге он представил полностью развитую форму доходной теории стоимости, которая пригодилась чуть позже, во времена Великой американской депрессии.

Как и последующим кризисам, американскому кризису 1930-х, предшествовал бурный экономиче-ский рост, который экономисты назвали «десятилетием просперити», а Ф.С. Фицжеральд - «веком джаза». В то десятилетие в США возникли основы общества потребления и массовой культуры, появи-лась возможность брать кредит. И американцы этой возможностью пользовались – росли потребитель-ские аппетиты и цены, а все проекты, в том числе, такие, как «покупка дома», казались легко осуществи-мыми и, разумеется, осуществлялись. Многие американцы думали, что цены на недвижимость уже ни-когда не упадут. Вот что пишет Джеймс Гиббонс [Гиббонс, 1972]: «До депрессии ссуды под залог недви-жимости вообще выдавались на шаровом (безамортизационном) основании, поскольку экономические условия того времени вряд ли оправдывали какую-либо иную практику на фоне больших экономиче-ских надежд и спекулятивных ожиданий…». В конце 1929 года сказка закончилась – произошел бирже-вой крах. Миллионы людей внезапно оказались безработными, лишились средств к существованию, а также возможностей погашения множества кредитов. Цены на недвижимость отреагировали незамед-лительно. И чтобы хоть как-то удержать рынок от дальнейшего обвала, а муниципалитеты городов и граждан от еще большей катастрофы, суды стали требовать определять стоимость как гипотетическую транзакцию на благополучном рынке, когда действуют типичные справедливые условия. Под «справед-ливыми» условиями, разумеется, понимались «докризисные времена». Приводя в пример Чикаго, Вэйн Мор [Moore, 2009] пишет следующее: «в то время Чикагские собственники были ответственны за 80 процентов местных налоговых поступлений…». Аналогичные ситуации складывались и в других горо-дах. По стране прокатились «налоговые бунты», о которых почти ничего не пишут историки, но ярко опи-сывают свидетели зарождения оценочной деятельности, с историями о самоубийствах, убийствах, банк-ротствах, выдержками из местных газет и примерами наглядной агитации против власти. Нельзя было требовать от разорившихся людей выплаты огромных налогов, но надо было получить хоть что-то.

Именно в этот период зародился Американский институт оценщиков недвижимости (AIREA — ныне The Appraisal Institute), а также Национальная ассоциация налоговых оценщиков (IAAO) и Общество оценщиков недвижимости (SREA). В этот период также была сформулирована методология оценки (те


40

самые «три подхода»), появился понятийный аппарат. С 1932 года стал издаваться специализирован-ный журнал The Appraisal Journal, который существует и сейчас. В 1935 году были запущены первые образовательные курсы оценщиков. К слову, первыми оценщиками, ставшими членами AIREA, а заодно и первыми методологами, были риелторы. Они были прямо заинтересованы в том, чтобы рынок недви-жимости не рухнул, налоги «приемлемого уровня» продолжали поступать в муниципалитеты, а все участники событий более-менее сносно пережили эти не лучшие времена.

Разработать стройную методологию, связать ее с экономической теорией, а также доступно объяс-нить всем, что, цена продажи – это не есть стоимость – задача не из простых. Но она была выполнена. Первые оценщики смогли объяснить всем тезис «стоимость должна отражать ценность», который нам сейчас кажется очевидным. Также было объяснено, что под воздействием сиюминутных факторов, например, кризисных явлений или, наоборот, сверхактивного спроса, цены могут и не отражать ценность активов. Поэтому стоимость не всегда надо искать через цены.

Еще более сложной, но в тех условиях, выполнимой, была задача популяризации и всеобщего при-знания появившейся методологии. Вот как пишет об этом Джон Дорчестер мл. [Dorchester, 2011]: «…они [прим. основатели AIREA] утверждали, что «наука об оценке» была развита из «науки об экономике». Поэтому оценочные мнения являются результатом научного исследования рынков и рыночных си-туаций….». Свидетельства и статьи Джона Дорчестера мл. сейчас очень важны для нас. Он описывает эту «кухню» не по протоколам, а по своим впечатлениям. И сейчас, будучи высококвалифицированным специалистом, способен отрефлексировать и во многом пояснить события прошлых лет. Вот как он пи-шет о себе [Dorchester, 2007]: «Мой отец был членом американского Института оценщиков недвижи-мости (AIREA) и Общества оценщиков недвижимости (SREA)... Живя жизнью сына оценщика, путе-шествующего со своим отцом по всему Юго-Западу, и принимая участие во встречах оценщиков в начале 1940-х, я был в состоянии наблюдать и работать со многими, кого лучше всего помнят, как основателей и идеологов оценки недвижимости». Интересно, что далее в этой статье, он сам выска-зывает личное мнение по поднятому вопросу: «Моя собственная точка зрения такая, “суждение” – это важный элемент в процессе оценки, но суждение не есть объективное исследование и не может его заменить». Тем не менее, первым оценщикам было важно создать институт2 и закрепить его как инсти-тут, имеющий мощные научные основания, даже если эти основания были призрачными и не всегда научными.

В 1932 году вышла книга Фредерика Бабкока «Оценка недвижимости» [Bobcock, 1932], в 1937 году вышла книга Джеймса Бонбрайта [Bonbright, 1937] «Оценка собственности». Были и другие книги, напри-мер, Филиппа Нискерна (1933) под названием «Real estate appraisal and valuation3« и Джея Дейсена (1931) «Налогообложение собственности в США». Эти книги стали классическими учебниками. И сейчас на их основании, а также на учебниках, вышедших позже, но все же, в период Депрессии и в начале «40-х», основана современная теория оценки. К 1933 г. АIREA выпустили стандарты этики для своих членов. Это было также довольно зрелым и продуманным шагом. Нельзя было допустить, чтобы кто-то по глу-пости «подставил всех». Далее стали разрабатываться стандарты оценки, в которых, как написано сей-час в самих стандартах, «закреплена лучшая практика».

С течением времени написанное в первых учебниках, разумеется, обросло «любопытными подроб-ностями». Так, Фредерик Бабкок в своей книге предложил семь методов оценки, которые имели основа-ния в экономической теории. По его идее, каждый метод можно было применять только к одному типу собственности. Например, для оценки односемейных домов рекомендовано применять доходный под-ход. Для удобства изложения семь методов были классифицированы в три группы. Далее эти группы стали называться «тремя подходами». А чуть позже, уже ближе к 70-м годам, некоторые извращенцы, не побоимся назвать их правдиво, стали рекомендовать оценивать любое имущество тремя подходами одновременно и на последнем этапе проводить процедуру согласования. К слову, это требование есть сейчас во многих российских банках. А вот из Международных стандартов оценки требование по обяза-тельному использованию нескольких подходов, исчезло в 2007 году.

В современных российских «рекомендациях банков» и различных государственных структур, рабо-тающих с имуществом, а значит, и с оценщиками, иногда можно встретить требование о «сходимости трех подходов» - разница между стоимостями, полученная различными подходами, не может быть более 20%. Как достигается такая «сходимость» оценщиками, объяснять не надо. Равно как и не надо объяс-нять, что «процедуры согласования трех подходов» антинаучны, но, согласно российским стандартам оценки, проводить процедуру «согласования» обязательно. Сначала «внутри подходов», потом «между тремя подходами».

2 Институт – это закрепление норм и обычаев в виде законов, организаций, учреждений. 3 На русский язык слова to appraise и to valuate переводятся как «оценивать». Но на английском языке смыслы

этих слов различны: to appraise можно понимать, как «определять цену», а to valuate - как «определять стои-мость» (стоимость, в контексте «ценность»). Поэтому название этой книги можно перевести как «Определение цены и стоимости недвижимости». Для того периода само название книги является революционным.


41

Оценочная деятельность – это общественный договор Вывод уже очевиден: основатели оценочной профессии взялись формировать методологию для

того, чтобы сохранять стабильность цен на рынке недвижимости. Или, как это изящно сформулировал А.И. Артеменков в своей статье [Артеменков, 2009], «… с самого начала оценочная деятельность имела четко выраженное измерение публичной профессии: у нее имелся мандат способствовать обеспечению стабильности цен». Разумеется, эта тема не была одноразовой. Вот как пишет Джон Дор-честер мл.: «За 100 лет США пережили приблизительно 20 рецессий рынка недвижимости различной-степени тяжести. Ситуация на рынках беспорядочна и непредсказуема. Хотя, экономических спадов, сравнимых с Великой депрессией 30-х годов, больше не было» [Dorchester, 2011].

Роль сохранения экономической стабильности отводится оценщикам и сейчас. В специальной ли-тературе довольно регулярно упоминается, что «равновесная цена на рынке» и «рыночная стоимость» - это не одно и то же. Правда, для многих это не является до сих пор очевидным. Вот что пишет Ричард Рид [Reed, 2007]: «…В результате оценщики должны быть в состоянии установить разницу между ценой равновесия и рыночной стоимостью, потому что на мнения оценщиков и определяемые ими рыночные стоимости полагается рынок, на котором ежегодно большие суммы заемного и собствен-ного капитала инвестируются в недвижимость по ипотечным кредитам». Разумеется, здесь уместно также привести цитату из статьи Сары Сэйс и соавторов [Sayce и др. 2010]: «Понятно, что оценщики не должны исполнять роль статистов и считать трансакции на рынке рыночной стоимо-стью. Наблюдаемые цены - неизбежно продукт переговоров на основе профессиональных консульта-ций. Оценщикам отведена важная роль – содействовать развивающимся рынкам, сообщая клиентам о «направлениях изменений цены» и о необходимых воздействиях на рыночное равновесие…». В своих статьях и в своей книге «Оценка недвижимого имущества. От стоимости к ценности» [Сэйс, 2009], Сара Сэйс в соавторстве с Джуди Смит, Ричардом Купером, Пьером Венмор-Роуландом, как раз призывает оценщиков заниматься не поиском трансакций на рынках, а исследовать ценность, которая во многих случаях и будет равна рыночной стоимости. Соответственно, значения такой рыночной стоимости не являются наблюдаемыми и не могут быть сколь-нибудь точными. Это совсем новый уровень понимания и рыночной стоимости, и роли оценщиков. Это вектор совершенно противоположен тому, куда сейчас идет российская оценка, когда требуется подтверждать цены рынка и называть это рыночной стоимо-стью. Проверки оценщиков также смещаются как раз в эту сторону – не исследовать логику оценщика в его поисках рыночной стоимости, а независимым образом исследовать имеющиеся трансакции на рынке, которые могли бы подтвердить или опровергнуть указанную оценщиком стоимость. Если под-тверждение не найдено - делать вывод о том, что оценщик ошибся или, того хуже, совершил подлог. Разумеется, это то, что разрушило профессию. По крайней мере, в России.

Вот как пишет об этом Джорджия Уорен-Майерс [Warren-Myers,2011]: «У оценки есть структури-рованный и всеобще признанный свод правил и стандартизированный набор оценочной методологии, необходимой в виду особой роли собственности в глобальной финансовой системе. Практика оценки полагается на уникальную комбинацию алгоритмов и эвристики, ссылаясь на основы экономической теории. Однако теория оценки чрезвычайно отличается от экономической теории в силу того, что экономической природе имущественных активов свойственна неопределенность». К этим же выво-дам приходит Дэвид Лоренц и Томас Луцкендорф [Lorenz и Lutzkendorf, 2011]: «Кроме того, суще-ствует серьезная обеспокоенность тем, что оценки имущества в целом проводятся без соответ-ствующей теории стоимости, то есть при отсутствии профессиональной базы».

Джин Кэннон и Родерик Макдональд [Canonne and Macdonald, 2003] исследовали 103 американских учебника и методических руководства по оценке имущества и сделали вывод, что теория стоимости в исследуемых материалах категорически игнорируется. Статья довольно объемная, на 51 странице, но ознакомиться с ней интересно. В заключении к статье авторы даже предлагают изменить название того, что принято сейчас называть «оценкой стоимости», на слово «тимология» (от греч. timi – стоимость), а оценщика назвать «тимотист» в силу того, что нынешняя оценочная деятельность никакого отношения не имеет к обозначенному в экономике и экономической теории слову «оценка». Это происходит в США и, разумеется, в России, так как российская оценочная практика – искаженная калька практики амери-канской.

И если в США оценщики все еще остаются профессией высокооплачиваемой, в России это не так. Начало разрушению профессии в России было положено введением института экспертов, или «внешних проверяющих», то есть старших товарищей, которым было позволено «проверять» оценщиков и пуб-лично делать выводы о совершенных ошибках. При возникновении допущений об умышленных или случайных ошибках, вся оценочная деятельность вместе с многочисленными сертифицированными и проверенными экзаменами членами профессионального сообщества, медленно, но уверенно следует к завершению профессии. А ошибки и неточности обязательно обнаруживаются всеми заинтересован-ными лицами, так как никакого плотного и устойчивого теоретического фундамента у оценочной дея-тельности нет. То, что могло бы этим фундаментом стать и стало в США, в России разрушалось по глупости и по незнанию. Если знать об отсутствии теоретического фундамента, может быть выстроена совсем другая структура оценочной деятельности – множество правил и стандартов, обеспечивающих единообразие, тяжелый и дорогой вход на рынок (в США оценщик должен иметь университетское обра-зование по оценке), территориальное закрепление (в США оценщик недвижимости получает лицензию


42

заниматься оценкой недвижимости на одной территории), разделение оценщиков на «просто оценщи-ков» и «налоговых оценщиков», строгие нормы этики и абсолютный авторитет оценщика без возможно-сти, по крайней мере легко, кому-либо оспаривать результат его деятельности. И, разумеется, высокая стоимость услуг оценщика. Интересно, что при становлении саморегулирования в оценочной деятель-ности в России, закладывались другие принципы – «круговая порука» и «коллективная ответствен-ность». В этих условиях оценщика можно публично проверять неограниченное число раз, и оценщик изначально всегда под подозрением.

Итак, мы приходим к выводу, что оценочная деятельность – это своего рода общественный дого-вор, а оценщики, по большей части, выполняют роль «свидетеля стоимости». Стороны договариваются, подключают свидетеля. Далее свидетель становится ответственным за происходящее в силу того, что обществом ему делегированы соответствующие полномочия. В некотором смысле это также и роль ре-гулировщика, третьей стороны в различных потенциально конфликтных ситуациях, которые не обяза-тельно могут быть настоящими конфликтами в классическом понимании, то есть, с применением наси-лия и оружия. В вооруженных имущественных конфликтах, как все мы знаем, по крайней мере, в России, редко участвует только один оценщик. Минимум два – по одному с каждой стороны, за которыми следуют эксперты саморегулируемых организаций, экспертные советы саморегулируемых организаций (то есть, когда необходимо коллегиальное мнение несколько оценщиков), судебные эксперты, прочие оценщики, компетентные сотрудники различных ведомств, адвокаты и так далее. К счастью, это не самые распро-страненные ситуации. Тихая, но важная и почетная общественная роль быть «свидетелем стоимости», оценщикам ближе. Имеющиеся глубоко ошибочные воззрения на природу стоимости и глубоко ущерб-ные оценочные процедуры, а также тотальное игнорирование экономической теории, закрываются ри-туалами и прочими возможностями регулировать конфликтные ситуации, находить компромиссные ре-шения. Когда такие возможности исчезнут в силу всеобщей цифровизации, возникнет то, что можно кратко описать метафорой из фильма о Терминаторе.

Из аналогового прошлого в цифровое будущее

О всеобщей цифровизации Кайл Риз, герой этого фильма, характеризует Терминатора так: «Он будет идти до конца. С ним

невозможно договориться, его нельзя купить. Он не ведает страха, не чувствует боли и не знает усталости. У него есть миссия, и ради ее выполнения он не остановится ни перед чем...». Сверхот-рицательный злодей рационален и холоден. И в этом же фильме, особенно в первой его части, ярко показана реакция людей при встрече с киборгом – оцепенение, ужас, неготовность к каким-либо дей-ствиям и полная беззащитность. Это метафора «оцифрованного будущего». Если переложить увиден-ное в фильме на оценочную деятельность, получаем тот же ужас и оцепенение перед тем, с чем люди жить еще не научились, то есть с цифровым форматом различных институтов.

Действительно, как будет действовать человек, если в очередной налоговый период поступит кви-танция оплатить непривычно большой налог. В «аналоговом» мире принято обращаться к чиновникам и разбираться с ситуацией для выявления возможной ошибки. В «цифровом» мире ошибок быть не может. Еще один гипотетический случай - что будет, если «система» получит команду одобрять кредит только на основании «формальных» данных, которые на практике не всегда достижимы. Например, есть «фор-мальное требование» не иметь задолженностей перед налоговой инспекцией в течение 5 предыдущих лет. Человек, который записал это требование в систему, будет полагать так – раз нет задолженностей, значит плательщик аккуратен, надежен и ему можно доверять. Правда, создатель такого правила может совершенно не знать, что у налоговой системы иногда случаются сбои и «случайно» доначисляется налог в несколько рублей, либо по ошибке доначисляется налог совершенно целенаправленно за якобы непринятую декларацию. Конечно, потом этот вопрос решается. Но в цифровом мире система навсегда запоминает такого налогоплательщика как однажды провинившегося. Соответственно, тот аргумент, ко-торый мог бы быть правильно понят и одобрен человеком, машиной будет игнорироваться. Соответ-ственно, ответ на запрос о кредите будет однозначно отрицательный. Есть множество примеров таких недоразумений из истории о кадастровой оценке, когда в систему ошибочно вводились данные «не из того столбца», например, путались номера квартир и площади квартир. Модель рассчитывала кадаст-ровую стоимость автоматически, а плательщики налогов потом очень долго ходили по разным инстан-циям и тратили большие деньги, доказывая, что «на самом деле все не так». Интересно, что при следу-ющей кадастровой оценке, через несколько лет, эти хождения повторяются, так как в системе столбец с номером квартиры все еще перепутан с ее площадью. Перед новой реальностью люди оказываются безоружны. Для того, чтобы понять, будут ли такие проблемы с автоматизацией услуг оценщиков, нужно представить, какой дорогой пойдет цифровизация.

Пути цифровизации оценочной деятельности До настоящего времени разработчики программных средств шли и продолжают идти путем авто-

матизации рутинных и повторяющихся действий. Это касается не только оценщиков, но и вообще всех профессий. Вот что пишет Мартин Форд в своей книге под названием «Роботы наступают» [Форд, 2016]: «Компьютеры все лучше и лучше умеют выполнять задачи и, вполне вероятно, в скором времени будут превосходить в этом умении многих людей, занимающихся такой работой». Или вот еще один из его выводов: «Для огромного числа рабочих компьютеры перестанут быть простым средством


43

увеличения производительности – они станут полноценной их заменой». Интересно, что в этой книге автор показывает неизбежность автоматизации для большинства профессий в силу действия закона Мура. Причем автоматизация коснется не только «рутинных», но и профессий вполне творческих, типа журналистики. Рассуждения о том, будет или не будет автоматизация оценочной деятельности, можно уже закончить. Нам надо понять, каким образом эта автоматизация, а лучше ее называть «цифровиза-ция», продолжит свое развитие и чем это может закончиться.

В 2017 году RICS4 выпустило отчет [RICS, 2017] под названием «Будущее оценочной профессии. Актуальность оценок недвижимости для инвесторов и банков с точки зрения европейской экспертной группы». В этом отчете написано так: «Профессия оценщика, вероятно, столкнется с периодом зна-чительных изменений в ближайшие годы, с точки зрения управления процессом оценки, роли оцен-щика, а также добавленной стоимости для клиентов». Почему здесь использовано слово «вероятно» не совсем ясно. Теперь уже уместно его заменить на слово «очевидно». Тем не менее, в документе совершенно точно подмечено, что изменения будут затрагивать и самих оценщиков, и их клиентов. В этом документе рассматриваются две основные проблемы:

1. Технологические разработки - как разработки в области больших данных, блокчейна, искусствен-ного интеллекта и моделей автоматической оценки (AVM) повлияют на отрасль в целом и роль оценщика в частности.

2. Изменение ожиданий клиента. Конечно, самая большая роль отводиться «большим данным». Про них в отчете написано так:

«…оценщики могут использовать большие данные, чтобы составить более четкое представление о текущей стоимости и сделать прогноз о будущей «стоимости» любого объекта недвижимости». Чуть ниже идет уточнение, рассматривающее «большие данные в двух разных аспектах». Первый – это «дополнительная» информация и дополнительные инструменты для работы оценщика, как-то: возмож-ности получить представление о «ценности» объекта оценки - тепловые карты, 3D – иллюстрации, карты наводнений, данные о преступности и прочие. Второй – это сокращение числа оценщиков. Также в этом отчете совершенно справедливо отмечена необходимость применения разных данных для разных це-лей оценки. Вопрос заключается в том, смогут ли такие тонкие моменты учесть автоматизированные модели оценки.

В статье Марка Линни [Linné, 2016] написано так: «Есть пять тенденций, которые влияют на все сектора нашего общества. Те же самые тенденции оказывают влияние и в результате, приведут к пере-смотру профессию оценки: 1) Большие данные 2) Облачные вычисления 3) Продвинутая аналитика 4) Дополненная реальность 5). Мобильная технология. Повлияют они и на оценку».

Разумеется, в оценочной профессии все начинается с данных, и далее происходит «оцифровка» функций оценщиков, то есть, людей. Уже упомянутый нами Мартин Форд в своей книге [Форд, 2016] очень здорово описал процесс оцифровки профессий – сначала машины начинают «следить» за людьми (в буквальном смысле – сколько времени люди проводят на рабочем месте, какие сайты открывают, кому пишут письма, какие статьи просматривают), потом создаются алгоритмы, повторяющие действия людей. Сферу оценки, так же как аудит, аналитику, журналистику можно отнести к деятельности, рабо-тающей с большими объемами необработанных данных. Задача людей – собрать эти данные, обрабо-тать их и выдать итог: «Среди прочего аналитик должен уметь извлекать информацию из различных систем, строить статистические и финансовые модели, а затем доходчиво доносить результаты своей работы до аудитории в виде отчетов и презентаций. Может показаться, что писательский труд – в котором, как ни крути, столько же искусства, сколько и науки, - относится к видам дея-тельности, в последнюю очередь поддающимся автоматизации. Но, как оказывается, это совсем не так, а алгоритмы c каждым днем становятся все более совершенными…» [Форд, 2016]. К слову, эта технология относится к разряду Narrative Science. В самом начале Narrative Science поддерживалось In-Q-Tel, подразделением ЦРУ, отвечающим за венчурные проекты. И как пишет Мартин Форд [Форд, 2016]: «…можно с большой долей уверенности утверждать, что разработанные компанией инструменты будут использоваться для автоматического преобразования потоков необработанных данных, со-бираемых специалистами американской разведки, в удобной для понимания повествовательной форме».

Сейчас мы выявили главное – изначально машины будут повторять действия людей, но делать это более внимательно, скрупулезно и точно. Это явление мы уже наблюдаем. Во всем мире создаются аналитические программы, которые автоматизируют процесс оценки. Разумеется, пока это, по большей части, автомобили и недвижимость. На многих крупных сайтах, имеющих базу данных, уже сейчас можно увидеть «аналитику» в виде онлайн-калькулятора, предполагающего сделать расчет «средней цены на

4 RICS – (Royal Institution of Chartered Surveyors) Королевское общество сертифицированных специалистов в

области недвижимости


44

автомобиль заданной модели5« или «средней цены объекта недвижимости в заданном районе67«. Есть даже предложения по онлайн-расчету стоимости небольшого бизнеса8.

В США наиболее известным является сайт онлайн-оценки Zillow9. Есть и другие сайты. И некоторые пользователи услуг оценщиков переключаются на такие инструменты. Сейчас это уже принимает мас-штабы централизованной передачи полномочий оценщиков роботам. Так, в статье, вышедшей в The Wall Street Journal10 в конце 2018 года, есть сообщение о том, что федеральные регуляторы11, предло-жили делать оценку жилой недвижимости стоимостью до 400 тыс. долл. автоматически, то есть, без привлечения лицензированных оценщиков. В статье об этом написано так: «Это потенциально откры-вает возможности для более дешевых и быстрых оценок на основе компьютерных алгоритмов». В этой же статье указано, что две трети американских домов продают менее, чем за 400 тыс. долл. По-нятно, что и российские банки, занимающиеся ипотекой, пойдут той же дорогой. Так, Сбербанк России уже внедрил систему «ДомКлик», которая имеет множество функций, и, если пока еще оценщиков при-влекают к работе в этой системе, то в ближайшем будущем от оценщиков, вероятно, произойдет отказ в пользу роботов. К слову, прогноз о переводе оценки в автоматизированный режим уже представлен на сайте «ДомКлик», являющимся подразделением Сбербанка12. Окончательное изменение будет осу-ществлено при изменении законодательства (сейчас по закону, недвижимость для ипотеки обязана быть оценена независимым оценщиком). Судя по датам публикаций статей, от США мы не отстаем.

О ценах на недвижимость через призму ипотечного кризиса В США покупка недвижимости обычно происходит через ипотеку. Подавляющее большинство зай-

мов финансируются ипотечными гигантами Fannie Mae13 и Freddie Mac14. И, конечно, изначально, то есть, начиная с 1938 года, когда было создано агентство Фанни Мэй, была заложена необходимость независимой оценки. Вероятно, не без рекомендаций тех самых оценщиков, стоящих у истоков профес-сии оценщика в США. Все они были очевидцами Великой депрессии, а многие и пострадавшими. Воз-можно, были какие-то прочие договоренности с правительством. Об этом мы уже не узнаем, но есть факт – все ипотечные кредиты подлежали обязательной оценке.

Исторически Фанни Мэй спонсировалось государством. Цель его создания для нас сейчас очевидна – дать возможность запустить кредитование вторичного рынка недвижимости и тем самым простимули-ровать не только рынок недвижимости, но также и смежные отрасли, например, строительство, произ-водства строительных материалов и другие. Фанни Мэй скупало у банков пакеты ипотечных займов, далее их секьютиризовало, то есть, выпускало на рынок ценные бумаги - ипотечные облигации (MBS). Вырученные деньги направлялись на финансирование других ипотечных кредитов.

Эта схема была очень выгодной для всех, кто в ней участвовал. Банкам оказывалась помощь в выдаче ипотечных займов, американцам это давало возможность получать кредиты на покупку недви-жимости, а Фанни Мэй зарабатывало на комиссии за принятие кредитного риска. Механизм секьюрити-зации давал возможность не заботиться о кредитоспособности заемщика, так как агенты, дающие пер-воначальный кредит, знали, что перепродадут его. Ну, а брокеры зарабатывали на разнице в покупке и продаже ценных бумаг. Выпущенные ценные бумаги становились активами, которые обращались на рынке без необходимости какой-либо оценки кредитоспособности заемщика. Иными словами, это можно озвучить так: деньги, которые еще не были заработаны и тем более, которые еще не были получены банками, превращались в реальные дома, в которые заселялись реальные люди.

В 1968 году Фанни Мэй приватизировали, но акции по-прежнему гарантировались государством. Для выполнения закона о конкуренции в 1970 году было создано еще одно ипотечное агентство – Фредди Мак, работающее по аналогичному принципу. И на протяжении многих лет ценные бумаги, выпущенные этими агентствами, характеризовались как высоко надежные и высоко доходные. Это вполне очевидно, так как примерно до 2005 года стоимость недвижимости, подогреваемая спросом, росла. При этом стра-ховые компании предлагали гарантию возврата вложенных в облигации денег. Эти ценные бумаги ис-пользовались в любых банковских операциях. В том числе, в них вкладывались пенсионные фонды. Туда же, в 2007 году был вложен и 21% золотовалютных резервов России (на тот момент это около 100 млрд. долл. США), о чем было написано в годовом отчете ЦБ РФ за 2007 год и стало известно широкой

5 https://auto.ru/cars/evaluation 6 https://www.irn.ru/price/ 7 https://www.cian.ru/kalkulator-nedvizhimosti/ 8 https://business-asset.com/ru/business-valuation-online/ 9 https://www.zillow.com/ 10 Ryan Dezember, Cezary Podkul OK, Computer: How Much Is My House Worth? Nov. 29, 2018. https://www.wsj.com 11 The Office of the Comptroller of the Currency, the Federal Deposit Insurance Corp.. the Federal Reserve. 12 Ипотека без отчета об оценке на ДомКлик. 20 ноября 2018 г. // https://blog.domclick.ru 13 Federal National Mortgage Association (Fannie Mae) 14 Federal Home Loan Mortgage Corporation (Freddie Mac)


45

общественности благодаря журналистам газеты Ведомости1516. Центральный банк Китая вложил 9,7 млрд. долл. США. Вложились банки Арабских Эмиратов, Германии и Великобритании.

Понятно, что вся эта конструкция стремилась к увеличению объемов рынка. Вот как об этом пишет А.В. Киевич [Киевич, 2010]: «Постепенно потребности профессиональных участников рынка ипотечного кредитования в США в повышении комиссионных доходов и рост спроса на высокодоходные вторичные бумаги со стороны внутренних и иностранных инвесторов привели к тому, что рынок мог развиваться только за счет вовлечения все новых и новых заемщиков. Когда резерв первоклассных заемщиков был исчерпан, начали постепенно снижаться стандарты андеррайтинга для привлечения все более и более рискованных заемщиков». Ипотечные кредиты стали давать всем [Абаринов, 2008]: «администрация Билла Клинтона (корпорацию Фанни Мэй возглавлял тогда нынешний президент Всемирного банка Ро-берт Зеллик) всячески поощряла предоставление ипотечных кредитов малоимущим гражданам. Тем са-мым правительство исполняло социальную задачу расселения людей из трущоб…. Планка доступности ипотечного кредита опустилась ниже некуда. Срок погашения увеличился до 30 лет. Никакого первона-чального взноса не требовалось. Никто уже не предъявлял требований к стажу и размеру зарплаты, не проверял кредитную историю. Более того: появились компании, улучшающие или восстанавливающие кредитную историю. Помню рекламные клипы: рекламировались кредиты, для получения которых не надо представлять никаких или почти никаких документов – банк-кредитор верил на слово. Банки, ко-нечно, виноваты. Но банка без клиентов не бывает. Заимодавцу нужен заемщик. И таким заемщиком была вся Америка».

В тот период цены на недвижимость постоянно росли. Поэтому и несостоятельные заемщики смело брали кредит – недвижимость дорожает, цены растут. В случае необходимости, всегда можно продать свои активы, вернуть деньги банку. Никому не приходило в голову, что цены на рынке недвижимости могут вдруг начать падать. О том, что такое однажды в Америке уже случалось, люди забыли. Аналитики, экономисты, риелторы говорили о дальнейшем росте рынка. Но рост вдруг прекратился.

Причины лучше всего озвучил Роберт Уэскотт, бывший член Совета экономических консультантов (Национального экономического совета) в период президентства Клинтона: «Проблема возникла тогда, когда рынок жилья просто достиг точки насыщения. К началу 2006 года почти каждый американец, желавший иметь дом, имел его. Федеральный Резерв стал повышать кредитную ставку в целях борьбы с инфляцией, и цены на жилье вдруг начали падать. Некоторые заемщики, особенно те, кто получил кредит на облегченных условиях, стали пропускать свои ежемесячные платежи, и инвести-ционные портфели, сформированные из бумаг, обеспеченных ненадежными закладными, начали те-рять свою ценность…»17. Далее недвижимость заемщиков стала переходить банкам. Банки выстав-ляли недвижимость на торги, на которых ее не покупали, и цены продолжали свое триумфальное сни-жение, а ценные бумаги на глазах у изумленной публики превращались в пыль. Ценные бумаги оказа-лись ничем не обеспечены.

Убытки Фанни Мэй по итогам 2007 года составили 2,1 млрд. долл. (падение акций за год на 54,2%), Фредди Мак – 3,1 млрд. долл. (падение акций на 63,3%)18. Потом была национализация этих компаний и огромные суммы, потраченные не только США, но и другими странами на ликвидацию мирового фи-нансового кризиса. Так этот пузырь лопнул. Правда с 2013 года Фанни Мэй и Фредди Мак стали пока-зывать прибыль и уже сообщили о том, что полностью восстановлены и отдали государству потрачен-ные на них деньги. Сейчас, когда стоимость недвижимости в США вновь растет, они гарантируют 80% ипотечных кредитов в США. В 2017 году объем ипотечного рынка США составлял примерно 8,7 трлн. долл. США.

Нас в этой ситуации интересуют цены, стоимость и действия оценщиков. Собственно говоря, дей-ствия оценщиков понятны. Недвижимость оценивают на основании имеющейся информации о ценах на продажу аналогичных объектов недвижимости. Оценщики идут на сайт объявлений, находят цены, по которым продаются аналогичные дома или квартиры, и пишут заключение о том, что оцениваемый дом или квартира стоит «среднее арифметическое» цен аналогичных объектов. Эту величину оценщики называют «рыночной стоимостью». Доходность, ценность никто не ищет, а про ипотечный пузырь многие не знают. Даже если и знают, написать в отчете «я оценщик, я так вижу», оценщики не могут в силу того, что есть проверяющие банков, у которых есть инструкции по проверке оценщиков и которым, как мы знаем, нужно выполнять план по количеству выданных кредитов. Примерно так оценивают и в России.

15 Гюзель Губейдуллина, Даниил Желобанов. Золотобумажные резервы. Ведомости. 19 мая 2008 года,

https://www.vedomosti.ru/ 16 Анна Бараулина, Василий Кашин. Американская помощь ипотеке. Ведомости. 08 июля 2008 года,

https://www.vedomosti.ru/ 17 Ирина Лагунина. Золотые парашюты» для руководителей разорившихся банков, 10 октября 2008 г., Радио

«Свобода» // https://www.svoboda.org/a/468583.html 18 Гюзель Губейдуллина, Михаил Оверченко, Василий Кудинов. ЦБ поучаствовал в ипотечном кризисе, 29 фев-

раля 2008 г. Ведомости // https://www.vedomosti.ru/


46

В Требованиях к Отчету об оценке объектов недвижимости1920 Сбербанка России написано следу-ющее (п. 1.10): «Количество объектов-аналогов при проведении оценки должно быть не менее 4-х для населенных пунктов с населением более 500 тысяч человек, 2-х - для прочих населенных пунктов. В приложении должны быть приведены ссылки на источники получения информации... копии материалов (распечатки соответствующих страниц из сети интернет, коммерческих предложений, объявлений и т.п.)». Предпочтение отдается сравнительному подходу, и оценка заключается в поиске цен предложе-ний на рынке, усреднении их. Среднюю арифметическую называют «рыночной стоимостью». Банки обычно осуществляют проверку отчетов оценщиков, которая заключается в том, чтобы убедиться, что упомянутые аналоги и цены предложений действительно существуют. Доходный подход используется, если на рынке совсем нет предложений по аналогичным объектам. Но отчет с использованием только доходного подхода банк может не принять. У банковских проверяющих есть убеждение, что использова-ние доходного подхода – это повод «завысить» стоимость.

Аналогичным образом будут оценивать и роботы – исследовать цены предложений, строить корре-ляционные связи. Их прототипы уже известны сейчас – это онлайн-калькуляторы стоимости на разных сайтах, собирающих информацию о ценах. О том, что на рынке может быть ценовой пузырь, подобный тому, какой был надут в США всего лишь 10 лет назад, оценщики предпочитают не думать, потому что наличие пузыря надо еще доказать. В условиях, когда на одного оценщика приходится несколько прове-ряющих и у каждого проверяющего свои задачи и свой уровень эрудиции, сделать это нет никакой воз-можности. Добавим сюда отсутствие теоретического фундамента, присутствие требования «доказы-вать» надежной информацией каждую использованную цифру и вспомним, что у клиентов (которые пла-тят деньги за оценку) тоже есть свои цели и пожелания, и получим, что оценщику не только не надо заниматься научным поиском, но лучше это совершенно осознанно не делать. Себе дороже. «Перегре-тый» рынок недвижимости оценщики отследить никак не могут. Не смогут это сделать и роботы, которые всего лишь будут более аккуратны в поиске информации и более быстры в расчетах.

Если бы в 2006 году на американском рынке ипотеки оценивал робот, он бы аналогичным образом собирал данные и далее строил на их основе корреляционную модель. То есть, в оценочной деятельно-сти робот или автоматизированные алгоритмы оценки отличаются от людей только тем, что делают ра-боту дешевле, быстрее и аккуратнее. Убедиться в достоверности этой гипотезы можно, посмотрев стан-дарт по AVM21, выпущенных IAOO22 в 2003 году и доработанных в 2018 году. Это руководство о том, как обращаться с данными рынка о ценах. В основном, речь идет о статистической обработке.

Довольно качественный и полный обзор используемых в настоящее время AVM представлен также в книге под ред. Маурицио Д’Амато и Тома Кауко [d'Amato, Kauko, 2017] «Достижения в автоматизированных моделях оценки. AVM после ипотечного кризиса». Все усилия моделей сосредоточены на том, чтобы ис-кать данные рынка и наиболее эффективно их обрабатывать. Какой-либо глубокой привязки к экономиче-ской теории в описываемых моделях нет, есть ссылки на имеющиеся в настоящее время стандарты оценки и практику оценки. Правда, в 3 части Главы I, написанной Manya M. Mooya, все же есть рассуждение о том, что и AVM не стоит строить бездумно, а следует учитывать также и модели поведения людей на рынке. Видимо, слово про ипотечный кризис в названии этой книги присутствует не просто так.

К слову, Фанни Мэй и Фредди Мак с 2017 году в новостных лентах заявляют о запуске «электронной оценки». Фанни Мэй сообщает, что имеется база, содержащая 23 млн. отчетов об оценке, так что на этом основании уже становится возможным делать собственную аналитическую систему. Фредди Мак сообщает о запуске системы ACE – Automated Collateral Evaluation, использующей большие данные и передовые алгоритмы работы с ними. Сообщения в новостях выглядят приблизительно так: «Фанни Мэй и Фредди Мак сосредоточены на сокращении времени и затрат на проведение оценочных процедур. Это говорит об еще большей заботе о клиентах»23. Видимо, знаменитые ипотечные агентства хотят повто-рить успех десятилетней давности.

Об источнике данных для цифровизации Вся риторика построения AVM24 строится вокруг сбора «релевантных данных», очищения их от

шума и дальнейшего применения в неограниченный по времени период. Следует отметить, что качество исходной информации и для оценщиков, и для роботов будет примерно одного уровня. Если оценщики делают вид, что строят экономические модели в экселе, то те, кто дает предложения о продаже своей недвижимости, никаких моделей не строит. Они просто предлагают цены на основании имеющегося уровня осознанности и личного представления о ценообразовании. При подаче объявления о продаже недвижимости никто не предоставляет справку о дееспособности и тем более не должен иметь даже

19 В качестве примера приводится выдержка из инструкции Сбербанка в силу того, что это лидирующий рынок

по ипотечному кредитованию. Этот банк задает правила игры. 20 Приложение 4 «Требование к Отчету об оценке объектов недвижимости», Сбербанк России // https://www.sber-

bank.ru/common/img/uploaded/engage/Prilozhenie_4.doc/ 21 Standard on Automated Valuation Models (AVMs) Approved September 2003 Revised approved July, 2018 //

https://www.iaao.org/media/standards/AVM_STANDARD_2018.pdf 22 International Association of Assessing Officers 23 Is automation the future of valuation?, Aug 23, 2017 // https://www.veros.com 24 AVM – автоматизированные модели оценки (Automated Valuation Models). Это устоявшийся термин.


47

среднего образования в области экономики. Никто не заявляет о целях подачи объявления, а также о своих дальнейших ожиданиях. Но эта информация становится ресурсом и источником работы целого института.

Дискуссии об автоматизации процесса сбора данных регулярно разворачиваются в связи с кадаст-ровой оценкой и какое-то время были в связи с выкупом земельных участков для строительства олим-пийского Сочи.

Ситуация с Сочи интересна тем, что большое внимание уделялось подготовке информации об ана-логах – из выборки устранялись явно ложные данные и информация структурировалась. После Сочи наработанные принципы работы с информацией о ценах предлагалось использовать также и для других целей. Вот как написано об этом в статье про оценку для Сочи [Нейман, Корнилов, 2011]: «Единая вери-фицированная база данных аналогов предназначена для оценщиков. РГ НСОД выдает аналоги из этой базы в автоматизированном режиме. Первая база данных с ценами сделок и ценами предложений была сформирована на основе информации, собранной Администрацией Краснодарского края по по-ручению зампреда Правительства РФ Д.Н. Козака (информацию предоставили Торгово-промышлен-ная палата г. Сочи, Администрация г. Сочи, Региональная энергетическая комиссия Краснодарского края, агентства недвижимости, нотариусы г. Сочи и УФРС по Краснодарскому краю). Верификацию (в соответствии с п. 8.3 МР) сформированных баз данных с ценами предложений и с ценами сделок проводили специалисты компаний ЗАО «РОСЭКО» и ООО «УНО-2000». Е.И. Нейман, идейный вдохно-витель сочинской оценки, неоднократно выступал с докладами на различных мероприятиях для оцен-щиков, на которых призывал использовать в практике оценки нейросетевые алгоритмы, кластерные мо-дели, различные эмпирические модели анализа данных. Правда, в основе этих моделей все те же «дан-ные рынка», хотя и аккуратно причесанные25. До реальных моделей дело еще не дошло, либо об этом не известно.

Примерно по такому же принципу идет работа и с кадастровой оценкой. Вот что написано в мето-дических указаниях, выпущенных Минэкономразвития России: «Для построения модели оценки кадаст-ровой стоимости бюджетным учреждением осуществляется сбор достаточной и достоверной ры-ночной информации об объектах недвижимости. При использовании для определения кадастровой стоимости наблюдаемых на рынке цен такие цены не корректируются на затраты, связанные с особенностями проведения сделки. При отсутствии рынка объектов недвижимости или при наличии недостатка наблюдаемых рыночных цен на соответствующей территории определение кадастро-вой стоимости осуществляется на основе рыночно ориентированной модели оценки кадастровой стоимости с учетом всех экономических характеристик объекта недвижимости»26.

Кадастровая оценка предполагает использование методов массовой оценки. На основе собранных на рынке данных строится регрессионная модель, по которой рассчитывается стоимость 1 кв.м. недви-жимости, далее полученная величина умножается на площадь недвижимости. И все. Это и есть кадаст-ровая стоимость, с которой берут налог. В случаях отсутствия информации применяют методы доход-ного и затратного подхода. Но предпочтения все равно отдаются трансакциям на рынке. С позиции эко-номической теории такой выбор не является логичным – собственники недвижимости не высказывают намерения продавать недвижимость, они продолжают ею пользоваться. Так зачем оценивать в предпо-ложении о будущей сделке? Это неправильно. На рынке есть пузыри и спекуляции. По рыночным ценам нельзя делать вывод о ценности собственности. Но такой подход рекомендуется министерством.

Изначально кадастровой оценкой занимались профессиональные оценщики, то есть, оценщики, со-стоящие в саморегулируемых организациях. Результаты их деятельности было разрешено оспаривать, привлекая саморегулируемые организации. Итог– многочисленные скандалы, и вывод - оценщики «не оправдали доверия». Было бы глупо ожидать другого мнения об оценщиках в вопросе, когда их руками было предложено изъять у граждан некоторую сумму денег в виде налогов, которая до этого никогда не изымалась. После скандалов функция по кадастровой оценке была передана государственным учре-ждениям. Теперь у некоторых есть наивные ожидания того, что «государственные оценщики», используя те же исходные данные и те же принципы построения моделей, смогут сделать что-то принципиально новое и более справедливое в глазах общественности. Увы, не смогут. Даже если государственных кадастровых оценщиков заменят роботы, которые, как известно, не обманывают и не берут взяток, ре-зультаты будут примерно такими же, как и у оценщиков-людей. Получается, на данном этапе можно оцифровать только глупость.

25 Национальная система стоимостного анализа на базе когнитивных ситуациационных центров – НАССА-КСЦ

(2012 год) // http://sroroo.ru/documents/810/ 26 Приказ Минэкономразвития России №226 от 12 мая 2017 «Об утверждении методических указаний о госу-

дарственной кадастровой оценке», п. 1.7.


48

Оценка третейская, оценка ценообразующая Мы рассматривали рынок недвижимости в силу того, что он наиболее прост и максимально понятен

для людей, которые никогда не были оценщиками и не имели возможности быть в плотных с ними вза-имоотношениях. Кроме того, с необходимости оценки недвижимости берет начало оценочная деятель-ность. В настоящее время оценке подлежат также объекты движимого имущества, акции, бизнес, нема-териальные активы. Проблемы в этих сегментах оценочной деятельности хоть и имеют свои особенно-сти, но все же похожи на проблемы, возникающие при оценке недвижимости.

Предсказание о том, что «потребители» услуг оценщиков рано или поздно начнут от оценщиков избавляться и делать оценки самостоятельно, очевидно. Об этом говорится давно [Gibdon, 1987]: «Ин-тернационализация и стандартизация активов и финансовых услуг будет все больше и больше поз-волять финансовым учреждениям, банкам, бухгалтерам, консультантам по вопросам управления за-менять оценщиков». Правда, такие оценки вряд ли будут направлены на то, чтобы измерять ценность и выполнять ценообразующую роль на рынке. Это просто «оценка для отчетности», не более того. Эта тема очень хорошо представлена в статье [Артеменков, Артеменков, Михайлец, 2007], где предлагается разделить оценку на третейскую и ценообразующую. Третейская оценка подразумевает простое отра-жение уровня цен на рынке, а ценообразующая, соответственно, формированием цен. И то, и другое востребовано рынком. «Результаты третейской оценки нужны для разрешения судебных споров, нало-гообложения, бухгалтерского учета и т. п., — там, где имеется или предполагается конфликт интересов сторон». Соответственно, для третейской оценки вполне подойдут статистические методы, AVM рас-смотренные выше. Такую оценку вполне могут делать роботы и различные «умные» алгоритмы. Как пишут авторы указанной статьи, «оценщик просто не имеет права оценивать объект «с позиций сделки», то есть, с точки зрения конкретных условий, обстоятельств и, главное, людей».

Однако, такая оценка нужна не всегда. Иногда возникает необходимость посмотреть на объект оценки с позиции формирования цен [там же], «оценщику приходится не объективно отражать про-цесс рыночного обмена, а учитывать конкретные обстоятельства и инвестиционные критерии об-менивающихся сторон». Такая оценка, конечно, сложнее и требует применения некоторых навыков по экономическому моделированию, учету рыночных особенностей. И вряд ли такую оценку можно стан-дартизировать или каким-то образом «поставить на поток». Это штучная оценка. И тут необходимы навыки людей высокой квалификации. Разумеется, не в области оценочной деятельности, а в области экономики, эконометрики, психологии, права, экономического моделирования.

Первая проблема у оценщика – это всегда поиск необходимых данных о рынке. И как мы уже убе-дились, при оцифровке проблема с данными решается. Больше нет необходимости тратить время и силы на поиск информации. Более того, как это сформулировали Питер Элиот и Клив Уоррен [Elliot, Waren, 2005], «глобализация бизнеса, а также быстрый рост в информационно-коммуникационных технологиях, означает, что все больше информации доступно все большему кругу людей из все боль-шего количества источников. В результате деловая среда становится все более сложной в конку-ренции для тех, кто оказывает профессиональных услуги». Далее возникает проблема интерпретации данных, а также проблемы, по большей части, методологического характера – оценка в разных условиях, для разных целей, для собственников с различными возможностями.

Придется учитывать также и прочие факторы, оказывающие влияние на стоимость в силу того, что имущество не висит в пространстве, свободном от экономических течений, интересов сторон, альтерна-тивных возможностей распоряжения ресурсами. Как это точно написали Лоренц и Луцкендорф [Lorenz, Lützkendorf, 2011], «изолированный анализ одних только финансовых переменных и их последующее преобразование в ограниченное или одностороннее понимание экономической ценности собственно-сти, привел к искусственному разделению экономических, экологических, социальных и культурных мер и комплектующим стоимости недвижимости, и не признает, что, по правде говоря, различные составные части стоимости связаны и неделимы…». Все это будут разные алгоритмы, разные оценки и разные итоговые величины стоимости.

Заключение Сейчас ясно следующее: цифровое будущее оценочной деятельности необходимо строить не то-

тально и в прямом смысле оцифровывая действия нынешних оценщиков, а путем более глубокого осмысления экономической теории, экономических законов и экономических причин проявления стои-мости для разных видов активов и с преломлением на различные цели. Это актуально и для третейской оценки, и для оценки ценообразующей. Оцифровать несовершенные методы для третейской оценки тех-нически возможно уже сейчас. Однако, сложно представить как «оцифрованная оценочная деятель-ность» встроится в экономические процессы общества. Оценщики-роботы уже не смогут строить свои расчеты на предположениях и обходиться недостаточным объемом первоначальных данных. В их ком-петентности уже не будет возможности усомниться.

Ценообразующая оценка по-прежнему должна оставаться неоцифрованной, эксклюзивной и ред-кой. Так, чтобы ее можно было поручать только профессионалам высокой квалификации. Правда, де-лать это необходимо «умно». Вынесение суждения о стоимости должно быть дополнено правом на ин-терпретацию понятия «рыночная стоимость», а также описанием условий, в которой стоимость суще-ствует. Рыночная стоимость будет разной для каждого заданного условия, сделки, этапа развития рынка и возможностей участников. Более того, нужно принять очевидное - одновременно может существовать


49

несколько стоимостей для одного и того же актива. Поэтому оценщика нужно наделить еще и правом выбирать наиболее подходящую стоимость для заданного случая. И главное - сделать возможным до-верять его профессиональному мнению безусловно и безоговорочно. Инструменты внешнего контроля в виде саморегулирования, проверок со стороны заинтересованных лиц, показали свою разрушитель-ную силу – оценочная деятельность начала свое движение к формализму. Так пусть формализм оста-нется в третейской оценке, а в оценке ценообразующей по-прежнему будут в приоритете явные преиму-щества оценочной деятельности для бизнеса и общества– возможности быть независимой стороной в сделках, спорах, операциях с активами и играть «стабилизирующую» роль для рынков.


1. Babcock, F.M. 1932. The valuation of real estate. New York: McGraw-Hill, 1932 2. Bonbright, J.C. 1937. The valuation of property: A treatise on the appraisal of property for different legal

purposes. New York: McGraw-Hill, 1937 3. Canonne, J. and Macdonald, R.J. (2003), «Valuation without value theory: a north American ‘appraisal»,

Journal of Real Estate Practice and Education, Vol. 6 No. 1, pp. 113-62. 4. Cochran, T. 1874. Methods of valuation of real estate for taxation. Penn Monthly May. 5. d'Amato M., Kauko, T. Advances in Automated Valuation Modeling: AVM After the Non-Agency Mortgage

Crisis (Studies in Systems, Decision and Control Book 86) 1st ed. 2017 Edition, Springer, Kindle Edition, 435 p.

6. Dorchester John D. Market value, fair value, and duress // Journal of Property Investment & Finance, 2011, Vol. 29 Iss 4/5, pp. 428 - 447

7. Dorchester John D., Voices in the Evolution of Appraising: Hindsights and Insights // The Appraisal Jour-nal, Summer 2007, p. 211-226

8. Elliott, P. and Warren, C.M. The valuation profession in Australia: Profile, analysis and future direction, 11th Pacific Rim Real Estate Society Conference, 2005, Melbourne 24-27 January.

9. Fisher, I. 1906. The nature of capital and income. Repr., San Diego: Simon Publications, 2003. 10. Gibson, V. A management view of valuation and information technology, Journal of Valuation, 1987, 5(1),

30 - 40 11. Hurd, R.M. 1903. The rise of urban America. New York: The Record and Guide. 12. Linné, Mark R. Transformational Trends in Valuation: An Introduction, 2016, Colorado Chapter Appraisal

News, Volume 26, No. 1 — January // http://www.colo-ai.org/newsletter/Jan2016.pdf 13. Lorenz, D, Lützkendorf, T, «Sustainability and property valuation», Journal of Property Investment & Fi-

nance, 2011, Vol. 29 Iss 6 pp. 644 – 676 14. Lorenz, D. Thomas Lützkendorf. Sustainability in property valuation: theory and practice// Journal of Prop-

erty Investment & Finance, 2008, Vol. 26 Iss 6 pp. 482 – 521 15. Moore, J. Wayne. A History of Appraisal Theory and Practice Looking Back from IAAO’s 75th Year //

Journal of Property Tax Assessment & Administration, 2009, Volume 6, Issue 3 16. Reed, R. G., (Ed.) (2007) The Valuation of Real Estate: The Australian Edition of the Appraisal of Real

Estate, Union Offset Printers, Canberra. 17. Reed, R. G., (Ed.) The Valuation of Real Estate: The Australian Edition of the Appraisal of Real Estate,

2007, Union Offset Printers, Canberra. 18. RICS (November, 2017) The Future of Valuations: The relevance of real estate valuations for institutional

investors and banks – views from a European expert group. 19. Sayce, S., Sundberg, A. and Clements, B., “Is sustainability reflected in commercial property prices: an

analysis of the evidence base”, RICS Research Report, 2010, The Royal Institution of Chartered Survey-ors, London, January.

20. Абаринов, В. Жизнь взаймы // Совершенно секретно. №11/234 21. Артеменков А.И., Артеменков И.Л. История развития методологии профессиональной оценки капи-

тала // Вопросы оценки. – 2009, №4, стр. 2-23 22. Артеменков А.И., Артеменков И.Л., Михайлец В.Б. О необходимости разделения профессиональ-

ной оценки на третейскую и ценообразующую // Вопросы оценки. – 2007, №4, стр. 39-41 23. Артеменков А.И., Михайлец В.Б. Эссе об неоклассических и постнеоклассических перспективах в

теории оценки стоимости с отступлениями на тему, почему Федеральные Стандарты Оценки уста-рели уже в тот момент, когда они были созданы // СРО РОО (Сетевой ресурс), сентябрь 2007

24. Гиббонс, Джеймс Э. Взгляд на изменяющуюся оценочную сцену, A View of the Changing Appraisal Scene”,» by James E. Gibbons, MAI, The Appraisal Journal (October 1972): 529-544. Перевод А.И. Ар-теменков // https://refdb.ru/look/1907266-pall.html

25. Киевич А. В. Банковский сектор: промежуточные итоги мирового финансового кризиса // ПСЭ. 2010. №2, стр. 238-241

26. Микерин Г.И., Артеменков А.И. О различии между профессиональной стоимостной оценкой и ин-вестиционно-финансовой оценкой: возможные объяснения с учетом происходящего «пересмотра понятий // Вопросы оценки. – 2007. № 2.

https://refdb.ru/look/1907266-pall.html


50

27. Нейман Е.И, Корнилов Д.А., Практические аспекты создания системы информационно-аналитиче-ского обеспечения процесса индивидуальной и массовой оценки // Вопросы оценки №1, 2011, стр. 40-49

28. Сейс С., Смит Дж. Купер Р., Венмор-Роуланд П. Оценка недвижимого имущества: от стоимости к ценности / пер. с англ. Г. И. Микерина, А. И. Артеменкова; под ред. Г. И. Микерина, И. Л. Артемен-кова. М.: Общероссийская общественная организация «Российское общество оценщиков», 2009.

29. Форд М Роботы наступают. Развитие технологий и будущее без работы / Мартин Форд ; Пер. с англ. – М.: Альпина нон-фикшн, 2016. – 430 с.

Тевелева Оксана Валерьевна

Ключевые слова Оценочная деятельность, профессия оценщиков, оценка стоимости, рыночные цены, ценность,

цифровизация, цифровая трансформация, роботы, цифровой формат

Teveleva Oksana, Digital future for valuation

Keywords Valuation, appraisers, market prices, value, digitalization, digital transformation, robots, digital format

Abstract The article is about digital transformation of valuation as institute of coordination public legal relationship.

Its further stages are shown, advantages and shortcomings, calls and threats which society when the profession of appraisers is digitized and transferred to robots and algorithms will face are specified.

Неволин И.В. Условия для развития фабрики будущего

51

1.5. УСЛОВИЯ ДЛЯ РАЗВИТИЯ ФАБРИКИ БУДУЩЕГО

Неволин И.В., к.э.н., ведущий научный сотрудник, Центральный экономико-математический институт РАН

Цифровая трансформация промышленности позволяет быстрее вносить конструктивные изме-нения в сложную высокотехнологичную продукцию и, соответственно, быстрее обновлять мо-дельный ряд. Это означает, что спрос должен перестроиться – тогда появится возможность окупать сложную техническую продукцию в более сжатые сроки. На примере автомобильной от-расли исследованы сдерживающие факторы таких изменений. Продемонстрирована возмож-ность обеспечить производство достаточным спросом и ресурсами. Однако остается нерешен-ной проблема переработки отходов, из-за чего цифровая трансформация промышленности рис-кует превратиться в более быструю переработку отходов и накопления новых, пока еще не пе-рерабатываемых материалов в могильниках.

Введение Вынесенная в название «Фабрика будущего» - это концепция Национальной технологической ини-

циативы. Ее ключевыми характеристиками, в понимании ответственной Ассоциации «Технет»1, явля-ются цифровые платформы (для обеспечения гибкого и более индивидуального подхода к производ-ству), цифровые модели реальных объектов высокой адекватности и цифровизация всего жизненного цикла изделий от идеи до утилизации. Естественным образом возникает вопрос: что из себя представ-ляет Фабрика будущего – цифровое производство, – как она преобразует промышленность и при каких условиях функционирует? То, к чему стремится цифровая трансформация промышленности и с какими ограничениями она может столкнуться, исследуется в настоящей статье.

Понятия «цифровая трансформация», «цифровизация», «цифровые платформы» часто использу-ются в материалах о цифровой экономике. Они призваны подчеркнуть различия между привычными объектами, процессами и теми, которые присутствуют в цифровой экономике. Ключевой особенностью цифровой экономики является возрастающая роль больших данных и компьютерных (суперкомпьютер-ных) технологий. Наглядный образ того, как изменяется промышленное производство в цифровой эко-номике, дают публикации Инжинирингового центра «Центр компьютерного инжиниринга» Санкт-Петер-бургского Политехнического Университета Петра Великого – участника НТИ. «Центр компьютерного ин-жиниринга» непосредственно вовлечен в кооперацию с промышленными предприятиями, что позволяет предполагать, во-первых, знание фактуры и, во-вторых, способность транслировать свои результаты в промышленность, добиваться проверки своих результатов в реальных условиях. Ниже сформулированы положения «Центра компьютерного инжиниринга» о цифровой промышленности [Алешин и др, 2018], [Боровков, 2018] существенные для настоящей статьи.

Ключевым объектом цифрового производства являются «умные» цифровые двойники. Настоящий цифровой двойник - это система уравнений в частных производных, которая адекватно описывает фи-зико-химические процессы. Систему уравнений решает компьютер – чаще, суперкомпьютер. Причем ее можно построить как для изделия (цифровой двойник продукта), так и для производства (цифровой двой-ник производства). Вместе они образуют многоуровневую матрицу целевых характеристик, причем для продуктов мирового уровня, как утверждается, эта матрица включает 50 тыс. и более показателей. Имея таких двойников, можно решать оптимизационные задачи с ресурсными, прочностными, массо-габарит-ными и прочими ограничениями, с требованиями соответствия определенным стандартам (например, пассивной безопасности). Опыт «Центра компьютерного инжиниринга» подтверждает тезис о том, что такие двойники позволяют создать детали и конструкцию наилучшей формы – по целевым показателям они на 10 % и более превосходят существующие аналоги. Оптимизация выполняется с учетом целого набора доступных материалов, а цифровые двойники промышленности гарантируют, что найденное ре-шение можно будет воплотить в жизнь. Большое значение придается аддитивным технологиям, которые позволяют выпускать детали, недоступные прежним технологическим процессам, например, литью и штамповке.

Широкое применение компьютерного моделирования и анализа больших данных не ограничива-ется цифровыми двойниками – также широко используются виртуальные полигоны. Последние пред-ставляют собой средства имитации реальных испытательных стендов. Совместное использование циф-ровых двойников и виртуальных полигонов позволяет многократно испытывать отдельные проектные решения, выявлять слабые участки конструкций и отправлять изделия на доработку. Компьютерные си-муляции позволяют имитировать годы эксплуатации техники в различных условиях за 1 день. Все это позволяет сэкономить годы на разработку сложной техники. Например, срок вывода автомобиля на ры-нок уже сократился с 7 до 1,5 лет. Иными словами, современная цифровая промышленность карди-нально меняет этап конструирования изделия: результатом является проект, который гарантированно можно пустить в серию и который не придется дорабатывать/ адаптировать в процессе опытной эксплу-атации. Вообще, опытная эксплуатация отсутствует. Жизненный цикл изделия – от разработки до про-

1 Подробнее на официальном сайте Ассоциации «Технет», https://technet-nti.ru


52

изводства – полностью меняется, и первый этап играет возрастающую роль. Заметное сокращение сро-ков обновления продукции – не только автомобилей, но машиностроения вообще и станкостроения, в частности, – поднимает вопрос об организационной составляющей этого процесса. Насколько экономика готова выпускать и потреблять все новые и новые изделия в течение сокращающегося промежутка вре-мени?

При ответе на поставленный вопрос важно проанализировать факторы, способные повлиять на распространение цифровой промышленности в том виде, как она описывается в материалах «Центра компьютерного инжиниринга» СПбПУ:

- сертификация новой техники; - появление новых конструкционных материалов; - утилизация изделий в конце жизненного цикла; - платежеспособный спрос; - доступность станков и оборудования.

Сертификация новой техники Сертификация новой техники по компьютерным моделям является одним из приоритетов НТИ.

Прочностные характеристики компьютерных моделей (цифровых двойников), удовлетворение стандар-там пассивной безопасности, согласно [Алешин и др, 2018], соответствуют натурным образцам на уровне погрешности не более 5 %. Сертификация авиационной техники, например, уже полагается на компьютерные модели, и на отраслевых конференциях можно услышать упрек в адрес Росавиации из-за отставания от мировой практики, в результате чего путь отечественной техники на мировые рынки – и до получения первого положительного денежного потока – оказывается более продолжительным, чем у конкурентов2. Можно обнаружить намерение и технические возможности проводить сертификацию та-ким образом, чтобы поддержать темп вывода новой продукции на рынок в течение 2-3 лет3.

Новые материалы Новые материалы обязательно учитыва-

ются в моделировании и позволяют усовер-шенствовать конструкцию - например, сделать легче при прочих равных. Появление новых ма-териалов открывает возможности для измене-ния конструкции за счет использования новых деталей.

Анализ трендов материаловедения пока-зывает принципиальную возможность поддер-жать темп обновления продукции именно в той отрасли, на примере которой «Центр компью-терного инжиниринга» демонстрирует успехи цифровой промышленности – в автомобиле-строении. Статистические наблюдения за кон-струкцией автомобиля выявляют устойчивую тенденцию замены традиционного материала – стали – новыми компонентами, прежде всего, на основе алюминия и пластика [Miller, 2000] [Soo, 2015] (рис. 1). Эти тенденции имеют своей целью снизить общий вес автомобилей. Можно допустить, что новые материалы появляются каждые 1-3 года и позволяют вносить изменения в кон-струкцию с такой же частотой. Допущение поддерживается форсайтами [Вишневский, Карасев, 2010], [NISTEP report, 2010], которые предусматривают появление новых материалов, и экспертными оцен-ками4.

Экологическая нагрузка Объявленный срок вывода на рынок нового автомобиля (7 лет при сложившейся производственной

технологии [Боровков, 2018]) несильно отличается от среднего срока эксплуатации автомобилей (9 лет в 2011 году [Danilecki, etc, 2017] с растущим трендом до 11 лет в 2016 году [ACEA, 2018]). При этом отмечается возрастающее воздействие на окружающую среду именно производственной стадии жиз-

2 Андрей Богинский «У России самые старые гражданские вертолеты среди всех авиастроительных держав»,

Реальное время, 24.11.2018, https://realnoevremya.ru 3 Хотя утверждается, что срок вывода на рынок можно сократить до 1,5 года [Боровков, 2018], будем более

осторожными. 4 Существует исследование Roadmap Report Concerning the Use of Nanomaterials in the Automotive Sector (2006).

При подготовке к нему не удалось получить доступ, однако, оно цитируется в [Вишневский, Карасев, 2010]. В этом исследовании эксперты оценивали появление материалов в ближайшей перспективе – удалось ли сохра-нить этот темп, точно не известно, но примем это допущение с учетом готовности разрабатывать новую кон-струкцию каждые 2 года.

Рисунок 1 Увеличение легких материалов в конструкции автомобиля [Soo, 2015]


53

ненного цикла. Причина состоит в вытеснении стали из конструкции автомобиля [Soo, 2015]. В конструк-ции кузова – самой ресурсоемкой части автомобиля – сталь активнее заменяется алюминием и матери-алами без содержания железа [Danilecki, etc, 2017]. Действительно, новые материалы позволяют умень-шить общий вес, что позволяет снизить потребление топлива и, соответственно, экологическую нагрузку при эксплуатации. Производство новых материалов, как отмечается, сильнее воздействует на окружаю-щую среду [Soo, 2015]. Тем не менее, нагрузка на экологию при эксплуатации сокращается настолько, что в целом – с учетом утилизации – автомобили новых поколений опережают предшественников в воз-действии на окружающую среду по показателю эквивалентов выбросов СО2 [Danilecki, etc, 2017]. Затра-гивая тему экологии, следует отметить тонкий момент – методику количественной оценки воздействия. Распространенным показателем является потенциал глобального потепления (GWP, global warming po-tential), который оценивает выбросы парниковых газов – СО2, СН4, N2O – в эквиваленте СО2. В соответ-ствии с этой методикой жизненный цикл с учетом переработки становится более экологичным – произ-водство и утилизация новых материалов связаны с меньшим количеством выбросов парниковых газов. Новые материалы, однако, тяжелее подвергаются переработке и поэтому просто подлежат захоронению [Puri, 2009]. Как отмечено в [Soo, 2015], даже несмотря на рост количества перерабатываемых матери-алов, общий эффект приводит к увеличению количества отходов, которые накапливаются в могильни-ках.

Тем не менее, при достаточной скорости внедрения новых материалов можно заметно снизить вес автомобиля, что позволит снизить потребность в топливе при эксплуатации и, соответственно, еще силь-нее сократить выбросы парниковых газов [Danilecki, etc, 2017]. Если задаться вопросом о том, через сколько лет эксплуатации выбросы сравняются с таковыми при производстве и утилизации, этот срок можно принять за временной ресурс автомобиля. Действительно, замена старого автомобиля на новый до истечения условного срока увеличивает нагрузку на окружающую среду за счет более «грязной» ста-дии производства. Эксплуатация сверх меры связана с избыточным расходом топлива по сравнению с более совершенными моделями. Оценки показывают, что этот срок составляет 16-21 лет [Danilecki, etc, 2017] – больше сред-него периода эксплуатации автомобилей (Ри-сунок 2). Более интенсивное использование техники способно сократить этот срок и при-близиться к показателям, заявленным Фабри-кой будущего.

Продолжительное использование совре-менных – более чистых с точки зрения эколо-гии – автомобилей также является рациональ-ной стратегией индивидуального потребителя. Эксплуатация гибридных и электрических мо-делей становится более выгодной по сравне-нию с дизельными на горизонте 5-10 лет [Moriwaki,2017]. Более совершенные в техни-ческом плане модификации стоят дороже в момент покупки, но обходятся заметно дешевле эксплуатации. Так, по итогам 10 тыс. км пробега общие затраты на автомобиль с дизельным двигателем примерно в два раза ниже, чем затраты, связанные с электрической или гибридной моделью. Напротив, спустя 100 тыс. км автомобиль с электрическим дви-гателем почти в три раза является более выгодным, чем с дизельным.

Таким образом, при прочих равных – отсутствии льгот, фиксированной цене на бензин и т.п. – со-временный водитель заинтересован в более длительной эксплуатации автомобиля, чем 5-10 лет назад. Технический ресурс позволяет увеличивать срок владения автомобилем – следовательно, без дополни-тельных стимулов (программа утилизации, выкуп автомобилей и т.п.) рынок в целом будет склонен реже обновлять автомобили, и темп в 2-3 года, заявленный Фабрикой будущего, выглядит несколько завы-шенным.

Платежеспособный спрос Оставаясь в рамках тематики автомобильной промышленности, можно указать на то, что более

частое обновление модельного ряда связано с кратным (в первом приближении) ростом цены: затраты на весь жизненный цикл должны окупиться в течение короткого промежутка времени при фиксированных производственных мощностях/ возможностях рынка. Естественно ожидать, что кратное повышение цены сопровождается заметным сокращением спроса, и отрасль сталкивается с задачей поиска нового рав-новесия, а общество – с возрастающим неравенством, при котором самые современные модели до-ступны наиболее состоятельной части общества. Отмечено, что современные автомобили становятся менее экологически чистыми в производстве, но более экологичными в эксплуатации. В лучшем случае паритет между выбросами эквивалента СО2 в производстве и эксплуатации достигается при использо-вании автомобиля в течение 16 лет [Danilecki, etc, 2017]. Эта оценка выполнена при существующих нор-мах использования индивидуального автомобиля. При увеличении пробега в единицу времени и той же

Рисунок 2 Достижение паритета в выбросах между произв-ом и экспл. VolksWagen Golf [Danilecki, etc, 2017]


54

технологии сжигания топлива можно добиться более быстрого достижения паритета. Так, системы за-каза такси и совместное использование автомобилей (car sharing) позволяют сократить время простоя техники. Данные об изменении износа автомобиля в единицу времени не удается найти в литературе в явном виде. Зачастую авторов интересует изменение экологической нагрузки при переходе к совмест-ному использованию, что определяет круг наблюдаемых показателей. Наиболее частым из них является пробег одного автомобиля во время одной поездки (vehicle-mile traveled - VMT; vehicle-kilometers traveled - VKT). И оценка годового пробега автомобиля при совместном использовании требует некоторых вы-числений. В [Chen, Kockelman, 2016] отмечается уменьшение VKT на 27-67% при совместном использо-вании. Это происходит потому, что поездка разбивается на несколько стадий: если раньше весь маршрут состоял из поездки на автомобиле, то в новых условиях добавляются поездки на общественном транс-порте (изредка – на велосипеде) и пешие прогулки. Однако на фоне сокращения длительности одной поездки растет общий физический износ автомобиля – за счет увеличения количества поездок. В работе [Chen, Kockelman, 2016] присутствуют данные о замене 9-23 частных автомобилей на один в совместном использовании. При сроке эксплуатации частного автомобиля 10 лет и общем пробеге 150 тыс. км [Soo, 2015] средний пробег составляет 41 км в сутки. Примем это значение за единицу VKT. Если при совмест-ном использовании этот показатель снижается на 30%, то новое значение составит 28,7 км - столько за один день в среднем на автомобиле проезжает один водитель. Если считать, что на один автомобиль приходится 9 водителей – по числу замещаемых частных автомобилей, - суточный пробег возрастает до 258 км. Вероятно, это значение справедливо для зрелого сервиса, однако, по отечественному опыту оно кажется чрезмерно завышенным5. Примем допущение, что пробег увеличивается в 2,5 раза – до 102,5 км в сутки. Это позволяет ожидать достижения паритета между выбросами при производстве и при экс-плуатации в течение 6,5 лет.

Заметим, что весь легковой автотранспорт - с самой большой долей в общем парке автомобилей – едва ли удастся перевести в режим совместного использования. Хотя бы потому, что при более интен-сивной эксплуатации водитель пересекает границу, при которой стоимость владения собственным авто-мобилем ниже расходов на аренду. Тем не менее, совместное использование позволяет перестроить часть производства в соответствии с концепцией Фабрики будущего. Это можно продемонстрировать следующей оценкой. При фиксированном годовом выпуске автомобилей более частое обновление кон-струкции – 3 года вместо 9 – требует окупаемости технологического процесса в более сжатые сроки (9/3 – в три раза). То есть меньший суммарный объем выпуска должен обеспечивать фирме неизменный доход:

p0q0 ∑1

(1 + d)t =

9

t=1

p0q0 ∑1

(1 + d)t

3

t=1

где 𝑝0 – цена автомобиля в прежних условиях, 𝑝1 – цена автомобиля при совместном использова-нии, 𝑞0 – неизменный годовой выпуск, ограниченный производственными возможностями, 𝑑 – ставка

дисконтирования. Для разных ставок дисконтирования отношение 𝑝1 𝑝0⁄ колеблется около 2 (2,4 при

𝑑=0,1; 2 при 𝑑=0,2; 1,7 при 𝑑=0,4). Почти двукратное повышение цены все еще предпочтительно для водителя в случае совместного использования, оставляя возможность для встраивания координирую-щего сервиса.

𝐶1 =1

6(𝑝1 + 𝒫1 ∑

1

(1 + 𝑑)𝑡

3

𝑡=1

) =1

6(2𝑝0 + 0,7𝒫0 ∑

1

(1 + 𝑑)𝑡

3

𝑡=1

)

где 𝐶1и 𝒫1 – соответственно, общие и ежегодные эксплуатационные затраты водителя при совмест-ном использовании автомобиля, шестерка отражает распределение затрат между 6 водителями, 0,7 – коэффициент для учета 30%-ного сокращения одной поездки. Дальнейшие преобразования позволяют получить

𝐶1 =1

6(2𝐶0 − 1,3𝒫0 ∑

1

(1 + 𝑑)𝑡

3

𝑡=1

− 2𝒫0 ∑1

(1 + 𝑑)𝑡

9

𝑡=3

) < 𝐶0

Причем эксплуатация даже двумя водителями все еще оказывается выгодной. При этом, однако, сокращается доля оператора сервиса совместного использования, если вообще позволяет ему выжить при таком мультипликаторе. Пример совместного использования показывает дополнительность техно-логий в цифровой экономике. А именно: новые сервисы заказа такси и аренды автомобилей с опорой на большие данные не только привели к появлению новых организационных форм, но также обеспечивают повышенный износ техники. Сюда можно добавить беспилотные технологии, которые в перспективе спо-собны обеспечить доставку автомобиля от одного пользователя к другому. Ожидается, что такое ис-пользование поможет снизить нагрузку на экологию и позволит задействовать новые категории водите-лей [Wadud, 2016]. Повышенный износ и новые категории водителей, в свою очередь, создают возмож-ности для производителей чаще продавать новые автомобили. Какими они – автомобили – должны быть,

5 Департамент транспорта и развития дорожно-транспортной инфраструктуры г. Москвы опубликовал данные о

московском каршеринге, согласно которым средняя дистанция поездки составляет 15 км, а кол-во аренд в день с мая 2016 г. превысило 6, что дает суточный пробег на уровне 99 км. (http://transport.mos.ru/)


55

чтобы наиболее полно использовать доступные ресурсы? Этот вопрос можно пересматривать намного чаще благодаря большим данным, новым материалам и компьютерному моделированию. Так возникает рынок для продукции Фабрики будущего.

Доступность оборудования Если ассортимент обновляется раз в несколько лет, за этот короткий промежуток требуется окупить

все станки, которые окажутся бесполезными в производстве новинок. Более быстрое обновление обо-рудования повлечет сокращение сроков амортизации, налогооблагаемой прибыли и, как следствие, уменьшение налоговых поступлений в бюджет. Если говорить о трехкратном сокращении сроков амор-тизации (в соответствии с ускорением выпуска новых изделий), при обновлении 1/3 оборудования фик-сированной стоимости можно ожидать кратного роста амортизации и снижения налогооблагаемой при-были. При этом можно ожидать, что на переработку все чаще будет отправляться одна и та же масса оборудования, просто из-за более частых обновлений.

Как видно, целесообразность ускоренного обновления средств производства требует специального исследования. Во-первых, в НТИ отмечается крайне низкая эффективность использования нового обо-рудования: его загрузка составляет 10-20% [Боровков, 2018]. Во-вторых, исторический анализ вопросов по этой теме показывает, что частое обновление не является физической необходимостью: ресурс поз-воляет использовать станки десятилетиями [Тевелева, 2019]. В основе лежит желание создать рынок для средств производства и поддержать, таким образом, экономическую активность. Ускоренная амор-тизация при этом служит в качестве стимула для предприятий.

Ослабить эти процессы – ускоренную амортизацию и рост промышленных отходов – призваны ад-дитивные технологии. Они способствуют более быстрому внедрению новых конструкций в заданном диапазоне массо-габаритных характеристик. Пока размеры заменяемых элементов конструкции не пре-восходят некоторые пороговые значения, их изготовление обеспечивает одно и то же оборудование, один и тот же технологический процесс. Аддитивные технологии более энергозатратны [Herrmann etc, 2018] и имеют ограниченную сферу применения, хотя и обеспечивают более длительное использование оборудования. Таким образом, доступность средств производства для Фабрики будущего едва ли явля-ется препятствием. Скорее, следует говорить об их эффективном использовании и, как в случае с ко-нечной продукцией, об утилизации.

Заключение Перспективы цифровой трансформации промышленности – создания Фабрик будущего – рассмот-

рены на конкретном примере автомобилестроения лишь потому, что эта отрасль часто упоминается в публикациях, аффилированных с НТИ. Организационные механизмы принципиально способны поддер-жать переход. Этому способствуют и ускоренная сертификация продукции, и распространение новых бизнес-моделей, и изменение государственного регулирования. Необходимость последнего отчетливо проявляется при обсуждении учета средств производства. Готовность рынка предъявлять спрос на обо-рудование без дополнительных организационных механизмов не совсем очевидна. Отрицательным фактором является перспектива более частой замены станков, еще не выработавших свой ресурс. При этом негатив связан не только с некоторым перерасходом сырья на выпуск оборудования, но и с выпа-дением части налоговых поступлений. С другой стороны, производители оборудования наращивают вы-пуск, и сопутствующие отчисления в бюджет требуют тщательного анализа на предмет их способности восполнить выпадающие доходы.

Еще одним фактором, требующим пристального внимания, являются переработка отходов и эко-логическое регулирование. Современные технологии утилизации автомобилей, хотя и достаточно раз-виты, имеют свои пределы. Весь процесс включает не только демонтаж и повторное использование при-годного к использованию оборудования, производство промышленного сырья, но также захоронение от-ходов [9]. Композитные материалы, доля которых в конструкции постоянно увеличивается, не подлежат переработке, и они накапливаются в могильниках [Puri, 2009], [Soo, 2015]. Точные данные о содержании композитных материалов не удалось обнаружить в литературе – часто они объединены в одну группу с пластиком, и масса этой группы в автомобиле растет. Даже при фиксированном уровне абсолютного количества композитных материалов в одном автомобиле увеличение выпуска неизбежно приведет к увеличению неперерабатываемых отходов в долгосрочной перспективе (20-30 лет).

Более широкая картина – без сужения фокуса на материалах – показывает, что каждый новый ав-томобиль создает более высокую нагрузку на экологию именно в момент производства. Действительно, современные автомобили - более экологически чистые по сравнению с предыдущими моделями, но их производство в эквиваленте выбросов СО2 оказывается более грязным – экологический выигрыш реа-лизуется только в эксплуатации. Таким образом, помимо совокупной стоимости владения, современные автомобили с течением времени опережают старые модели еще и по показателю экологичности – на коротких промежутках времени они, напротив, уверенно проигрывают.

Качественный анализ показывает, что главными барьерами широкого внедрения новых цифровых технологий в производство являются высокая цена технологий и нагрузка на окружающую среду. Совмест-ное использование позволяет создать необходимый рынок для новой промышленности и приблизить до-стижение паритета между выбросами на стадиях производства и эксплуатации. Однако обостряется про-


56

блема с не перерабатываемыми отходами – Фабрика будущего быстрее перерабатывает ресурсы в от-ходы, и изменения этой тенденции не предвидится. В идеологии НТИ существует понимание того, что но-вое производство не для всех [Боровков, 2018], но масштабы его будущего внедрения пока не ясны.

Оценка экономических последствий – следующий этап исследования. В этой статье выделены ос-новные факторы и отмечена принципиальность экологического ограничения в замкнутой системе. Меж-дународное разделение труда может привести к тому, что при межстрановых сравнениях – на уровне подсистем – могут появиться бенефициары новых условий. Действительно, производители конечной продукции не ухудшают своего положения при более интенсивном потреблении, в то время как с произ-водителями сырья и даже отдельных комплектующих не все так однозначно: совершенствование техно-логий утилизации способствует рециклингу (повторному использованию) отдельных узлов и перерабо-танных материалов, что, несомненно, воздействует на рынок сырья. Неравенство также возникает в ко-личестве захораниваемых отходов, и ответ на вопрос об экономических последствиях требует дельней-шего исследования.


1. Алешин М.В., Болдырев Ю.Я., Боровков А.И., Давыдов И.С., Клявин О.И., Петкова А.П., Тамм А.Ю. Опыт применения технологий суперкомпьютерного инжиниринга в деятельности Инжинирингового центра «Центр компьютерного инжиниринга» // Суперкомпьютерные дни в России: Труды между-народной конференции (24-25 сентября 2018 г., г. Москва). – М.: Изд-во МГУ. - 2018. – с.717-727

2. Боровков А.И. «Умные технологии» на службе продуктовых программ // Проектный вестник. – 09/2018. – № 2(6). – С. 32–36.

3. Вишневский К.О., Карасев О.И. Прогнозирование развития новых материалов с использованием методов Форсайта // Форсайт. – 2010. – T. 4. - № 2 – с.58-67.

4. Тевелева О.В. Об износе основных средств // Имущественные отношения. – 2019. (в печати) 5. Chen T.D, Kockelman K/M. Carsharing’s life-cycle impacts on energy use and greenhouse gas emissions

// Transportation Research Part D: Transport and Environment. - 2016 – Vol. 47 – pp.276-284. 6. Danilecki K, Mrozik M, Smurawski P. Changes in the environmental profile of a popular passenger car

over the last 30 years – Results of a simplified LCA study // Journal of cleaner production. – 2017. – Vol. 141. – pp.208-218.

7. European Automobile Manufacturers Association (ACEA). Average Vehicle Age. – 2018. - URL: http://www.acea.be/statistics/tag/category/average-vehicle-age (дата обращения 18.12.2018).

8. Herrmann C, Dewulf W, Hauschild M, Kaluza A, Kara S, Skerlos S. Life cycle engineering of lightweight structures // CIRP Annals. - 2018 – Vol. 67. – Issue – 2. – pp.651-672.

9. Jody B.J., Daniels E.J., Duranceau C.M., Pomykala J.A., Spangenberger J.S. End-of-life vehicle recy-cling: state of the art of resource recovery from shredder residue / Argonne National Lab.(ANL), Argonne, IL (United States). – 2010. – 185 p.

10. Miller W.S., Zhuang L., Bottema J., Wittebrood A., De Smet P., Haszler A., Vieregge A. Recent develop-ment in aluminium alloys for the automotive industry // Materials Science and Engineering: A. - 2000 – Vol. 280. – Issue 1. – pp.37-49.

11. Moriwaki K. On sustainable vehicle management - A simulation study // 11th Asian Control Conference (ASCC). - 2017. - pp.485-488.

12. Puri P, Compston P, Pantano V. Life cycle assessment of Australian automotive door skins // The Interna-tional Journal of Life Cycle Assessment. – 2009. –Vol. 14. – Issue 5. – pp.420–428.

13. Soo V.K., Compston P., Doolan M. Interaction between new car design and recycling impact on life cycle assessment // Procedia CIRP. – 2015. – Vol. 29. – pp.426-431.

14. The 9th Science and Technology Foresight — Contribution of Science and Technology to Future Society / NISTEP REPORT No.140 – 2010.

15. Wadud Z, MacKenzie D, Leiby P. Help or hindrance? The travel, energy and carbon impacts of highly automated vehicles // Transportation Research Part A: Policy and Practice. - 2016 – Vol. 86 – pp.1-18.

Неволин Иван Викторович

Ключевые слова цифровое производство, автомобилестроение, переработка отходов, совместное использование.

Nevolin Ivan, Factors for the development of the Factories of the Future

Keywords digital production, automotive industry, recycling, sharing economy.

Abstract Digital transformation of industry makes it possible to update the design of hi-tech products more rapidly. To support

this transformation the demand side of the market should be revised. New demand must ensure enough cashflow to cover complex technology in a short time. Automotive industry serves as an example to investigate hindering factors of transfor-mation in context. The article demonstrates how the demand side and resources support the production. But, it is recycling what is still waiting for further development. With a lack in life cycle management the digital transformation of industry faces a strong risk to transform resources in wastes faster while landfilling products for new materials.

http://www.acea.be/statistics/tag/category/average-vehicle-age

Милкова М.А. Извлечение терминов «Цифровая экономика»

57

1.6. ИЗВЛЕЧЕНИЕ КЛЮЧЕВЫХ ТЕРМИНОВ НАПРАВЛЕНИЯ «ЦИФРОВАЯ ЭКОНОМИКА»: ГРАФООРИЕНТИРОВАННЫЙ

ПОДХОД

Милкова М.А., научный сотрудник, Центральный экономико-математический институт РАН

Статья посвящена извлечению ключевых терминов из правительственных документов, выпу-щенных в период 2013-2018 годы и связанных с направлением Цифровая экономика. Изучение пра-вительственных документов представляет интерес с точки зрения анализа одного из источни-ков зарождения терминологии цифровой экономики. В статье приводится краткий обзор основ-ных подходов к извлечению ключевых терминов из текста, а также дается детальное описание одного из графооринтированных методов – алгоритма TextRank. Выбранный алгоритм был про-тестирован на 13 правительственных документах. Результатом обработки каждого текста явилось построение взвешенного графа семантических связей между ключевыми словами, на ос-новании которого были выделены ключевые термины.

Введение Извлечение ключевых терминов является важной задачей, лежащей на стыке таких областей зна-

ний, как интеллектуальный анализ текста (Text Mining), информационный поиск (Information Retrieval) и обработка естественного языка (Natural Language Processing). Под ключевыми терминами понимаются ключевые слова или ключевые фразы, которые наилучшим образом характеризует содержание иссле-дуемого текста. Задача автоматического определения ключевых терминов представляет собой необхо-димый этап обработки текста для решения таких задач, как: создание и развитие терминологических ресурсов, автоматический информационный поиск, аннотирование, классификация и кластеризация до-кументов, суммаризация текста и др.

Особый интерес представляет извлечение терминологии из текстов, относящихся к новым, только формирующимся направлениям. Так, направление цифровой трансформации является в настоящий мо-мент своего рода мейнстримом мирового экономического развития и затрагивает многие промышленные и социальные сферы. Следуя глобальному тренду, Россия также движется в сторону цифровой транс-формации экономики, что порождает большое число текстовой информации в данной предметной обла-сти (документы, статьи, новости, стенограммы и др.). Готова ли Россия к цифровой трансформации - остается вопросом [Dobrolyubova et.al., 2017], однако направление «Цифровая экономика» было выде-лено правительством РФ в качестве приоритетного - в 2017 году была разработана и утверждена про-грамма, в ходе которой определены цели, задачи, направления и сроки реализации основных мер госу-дарственной политики по созданию необходимых условий для развития в России цифровой экономики. Для управления программой определены пять базовых направлений на период до 2024 года: норматив-ное регулирование, кадры и образование, формирование исследовательских компетенций и техниче-ских заделов, информационная инфраструктура и информационная безопасность.

Таким образом, образовался ряд правительственных документов, представляющих собой не-плохую базу для извлечения терминологии по направлению «цифровая экономика». Конечно, ограниче-ние сферы анализа исключительно правительственными документами не претендует на представление полной картины, но является неплохой отправной точкой как для отбора самых ключевых терминов, так и для тестирования методов. Кроме того, извлечение ключевых терминов из правительственных доку-ментов интересно с точки зрения анализа одного из источников зарождения терминологии цифровой экономики (так, например, термин «сквозные технологии» был впервые упомянут Президентом РФ В. В. Путиным в послании Федеральному собранию, 01.12.2016).

В данной статье мы приводим краткий обзор основных подходов к извлечению ключевых терминов из текста и фокусируемся на графооринтированных методах, в частности, на алгоритме TextRank [Mihalcea and Tarau, 2004]. Выбранный алгоритм был протестирован на 13 правительственных докумен-тах, непосредственно связанных с направлением Цифровая экономика. Результатом обработки каждого из документов явилось построение графа семантических связей между ключевыми словами, на основа-нии которого возможно выделение ключевых терминов (то есть ключевых словосочетаний и/или ключе-вых слов).

Краткий обзор подходов к извлечению ключевых терминов Анализ литературы в области извлечения ключевых терминов выявил большое число методов и их

модификаций, однако общепринятой в научном сообществе классификации данных подходов на теку-щий момент не существует. Действительно, решение задачи автоматического выделения ключевых тер-минов ведется одновременно по двум направлениям. С одной стороны, методы различаются по типу математического аппарата распознавания ключевых слов (статистические, методы на основе машин-ного обучения, структурные), с другой – по типу используемых (или не используемых) лингвистических ресурсов (словари, онтологии и тезаурусы, корпуса текстов). Наиболее простым статистическим мето-


58

дом извлечения ключевых слов является метод ранжирования всех словоформ по частоте. При под-счете частоты употребления ключевого слова учитываются все его словоформы в тексте. Создаваемые на основе данного подхода алгоритмы являются недостаточно точными, т.к. признак частотности клю-чевых слов не является превалирующим [Salton, Yang, 1973].

Для повышения корректности автоматического извлечения ключевых слов, статистический метод дополняется лингвистическими процедурами (морфологическим, синтаксическим или семантическим анализом). Такие методы могут требовать или не требовать корпусов текстов1. Использование корпуса текстов получило достаточно широкое распространение, однако отсутствие таких корпусов для каждой конкретной предметной области в реальной жизни делает применение таких корпусных моделей и ме-тодов весьма проблематичным [Шереметьева, Осминин, 2015]. Методы на основе машинного обучения рассматривают задачу извлечения ключевых терминов как задачу классификации – вычисление веро-ятности отнесения слова к ключевому на основе обучающей выборки – корпуса документов с размечен-ными ключевыми словами. В основе структурных методов лежит представление о тексте как системе семантически и грамматически взаимосвязанных элементов-слов, которые, в свою очередь, характери-зуются набором лингвистических признаков [Ванюшкин, Гращенко, 2016]. Здесь могут быть выделены два подкласса - графовые и синтаксические (шаблонные) методы.

В данной статье мы не будем останавливаться на детальном обзоре различных подходов, отметим лишь, что с наиболее системным русскоязычным обзором читатель может ознакомиться в работе [Ва-нюшкин, Гращенко, 2016)]. Отметим также, что, несмотря на достаточно большое количество исследо-ваний, автоматическое извлечение ключевых терминов (многокомпонентных ключевых слов) представ-ляет собой проблему, которая до сих пор не решена [Sag, et.al., 2002]; [Шереметьева, Осминин, 2015]. Более того, применение некоторых методов ограничено языками с бедной морфологией. Так, чисто ста-тистические модели извлечения ключевых слов, удовлетворительно работающие, например, на мате-риале английского языка, непригодны для естественных языков с богатой морфологией, в частности, для русского языка, где каждая лексема характеризуется большим количеством словоформ с низкой частотностью в каждом конкретном тексте [Шереметьева, Осминин, 2015].

Графоориентированный подход Выбор того или иного алгоритма извлечения ключевых терминов обуславливается в первую оче-

редь естественным языком, спецификой исследуемой темы, объемом анализируемого текста. В данной статье был выбран графоориентированный подход к извлечению ключевых терминов из русскоязычных документов. Графовые модели представляют большой интерес для области обработки естественного языка благодаря своей универсальности (не зависят от естественного языка) и эффективности основан-ных на них алгоритмов. Графовые методы не предполагают использование лингвистических ресурсов для настройки критериев принятия решений при распознавании ключевых терминов. Вместо этого, в работе алгоритмов подразумевается контекстно-независимое выделение ключевых терминов, что явля-ется оптимальным решением для гомогенных по функциональному стилю корпусов текстов, например, научных работ или нормативных актов [Ванюшкин, Гращенко, 2016], а также работ, посвященных новым, развивающимся темам, для которых не существует разработанных словарей, тезаурусов и т.п. Подроб-ный обзор и классификацию графовых алгоритмов можно найти в работах [Beliga, et.al., 2015], [Mihalcea and Radev, 2011]. В данной статье мы ограничимся описанием общих базовых моментов.

Итак, в основе графовых моделей лежит процедура построения графа, в вершинах которого стоят лексические единицы (слова или предложения), а отношения между ними представлены в виде ребер графа. Отношение между лексическими единицами может быть основано на различных принципах, наиболее распространенными из которых являются:

- Отношение совместной встречаемости – связанные слова встречаются в тексте внутри окна фиксированного размера; связаны все слова внутри предложения, параграфа или документа.

- Семантическое отношение – связанные слова имеют одинаковое значение, синонимы, анто-нимы, омонимы и др.

В зависимости от наличия или отсутствия направленности ребер граф может быть ориентирован-ным (показывать последовательность появления слов в тексте) или неориентированным (показывать наличие связи). Также ребра графа могут быть как взвешенными, так и невзвешенными в зависимости от отношения между вершинами. Вес ребра может представлять собой расстояние между двумя сло-вами внутри окна (предложения, параграфа, текста) или частоту совместной встречаемости пары слов в тексте.

Для вершин полученного графа вычисляется мера центральности как индикатор определения наиболее значимых вершин внутри графа. Центральность вершины v – это мера, отражающая то, насколько вершина v участвует в процессе распространения информации между остальными верши-нами в графе [Цынгуев, 2015]. В области извлечения ключевых слов используются различные меры цен-тральности [Beliga, et.al., 2015]; [Цынгуев, 2015], на основе которых производится ранжирование слов

1 Корпус текстов - подобранная и обработанная по определенным правилам совокупность текстов, используе-

мых в качестве базы для исследования языка.


59

текста. Среди обилия графовых алгоритмов [Beliga, et.al., 2015] был выбран алгоритм TextRank, предло-женный в работе [Mihalcea and Tarau. 2004] и являющийся приложением алгоритма PageRank2 к задачам обработки естественного языка.

Алгоритм TextRank В основе TextRank лежит процедура построения взвешенного графа, в вершинах которого стоят

лексические единицы (слова или предложения), а ребра взвешены в соответствии с силой связи между ними. В нашей работе мы будем пользоваться алгоритмом TextRank для извлечения ключевых слов, имеющих между собой семантическую связь, тем самым получая ключевые термины. После того, как произведена предобработка текста, производится построение взвешенного неориентированного графа

, где V – множество уникальных лексических единиц (вершины); E – множество связей между

ними (ребра). В качестве меры связи между словами TextRank использует отношение совместной встречаемости:

две вершины соединяются ребром, если их лексические единицы встречаются вместе внутри окна из N слов, N ∈ [2, 10]. В работе [Усталов, 2012] предложено определять вес каждого ребра по формуле:

(1)

где – расстояние между словом и (модуль разности позиций), N – размер окна.

В нашей работе формула (1) была расширена добавлением «штрафа» за совместную встречае-

мость слов внутри окна, но в разных предложениях:

(2)

где – расстояние между предложениями, в которых находятся слова.

На следующем этапе по итеративной формуле вычисляется TextRank (TR), получаемый случайным блужданием для каждой вершины из V:

(3)

где wij – вес соответствующего ребра, In(Vi) – набор вершин, из которых идет связь в Vi (предше-

ственники), Out(Vi) – набор вершин, в которые идет связь из Vi (последователи). Данные обозначения введены, так как TextRank, как было упомянуто выше, является приложением алгоритма PageRank для ранжирования веб-страниц, где построенный граф является ориентированным. В случае задачи обра-ботки текста граф является неориентированным и In(Vi)=Out(Vi).

d ∈ (0,1) – так называемый коэффициент затухания (damping factor) - в контексте веб-серфинга d определяет вероятность того, что на странице пользователю станет скучно и он перейдет на другую случайную страницу. В некоторых работах [Brin and Page,1998]; [Mihalcea and Tarau, 2004] коэффициент d предлагается брать равным 0.85.

Начальное значение TR для каждой из вершин предполагается равным 1. Алгоритм повторяется до достижения порогового уровня сходимости.

В соответствии с итоговыми значениями TR вершины графа ранжируются, отбираются T «лучших» вершин (с наибольшим значением TR). Ключевые фразы получаются путем извлечения из текста по-следовательностей, состоящих из T-лучших слов.

Применение В нашей работе алгоритм TextRank был реализован для 13 правительственных документов, выпу-

щенных в период 2013-2018 годы и связанных с направлением Цифровая экономика. Схематично связи между проанализированными документами представлены на (рис. 1). Центральное место в схеме зани-мает документ «Цифровая экономика», входящие в него блоки представляют документы, на которые

2 PageRank – алгоритм используемый Google Search для ранжирования веб сайтов в результатах выдачи поис-

ковой системы (Page et al., 1998).


60

ссылается «Цифровая экономика», а исходящие – документы, которые на «Цифровую экономику» ссы-лаются сами. Отдельно стоящий блок «Фабрика проектного финансирования» не имеет прямых ссылок на «Цифровую экономику», но направлен на решение поставленных в ней задач. В дальнейшем схема может быть расширена добавлением новых блоков - мероприятий, протоколов заседаний, совещаний и т.п.

Рисунок 1. Схематичное отображение связей между правительственными документами

по программе Цифровая экономика

Алгоритм TextRank был реализован на языке программирования Python с использованием готовых библиотек, а также с помощью адаптации кода некоторых библиотек с учетом особенностей русского языка и специфики решаемой задачи.

- Предобработка текста Тексты анализировались в формате plain text. На первом этапе была проведена предобработка

текста, которая включала следующие шаги: 1. Токенизация текста – разбивка на отдельно значимые единицы, в нашем случае – слова.

Начальная фильтрация - из списка полученных токенов были убраны знаки пунктуации (все, кроме точек).

2. Лемматизация текста – токены приведены к нормальной (словарной) форме. Так, например, словоформы «цифровые», «цифровых», «цифровыми» преобразовываются к лемме «цифро-вой». Морфологическая обработка осуществлялась с помощью библиотеки Mystem, разрабо-танной компанией Yandex3.

3. Фильтрация – исключение стоп-слов. Фильтрация производилась в два этапа. Первичный спи-сок стоп-слов формировался на основе библиотеки NLTK [Bird, et.al., 2009] и состоял из пред-логов, союзов, междометий и т.п.

3 Отметим, что в изначальном алгоритме [Mihalcea and Tarau, 2004], используется процедура стемминга - нор-

мализация словоформы к ее квази-основе. Так, например, вышеприведенные словоформы будут усечены до формы «цифров». Очевидно, что в силу особенностей русского языка приведение итоговых ключевых слов в виде усеченных квази-основ значительно усложняет восприятие полученных результатов, в силу чего и было принято решение о за-мене стемминга лемматизацией.


61

На втором этапе формировался дополнительный список стоп-слов, в который входили существи-тельные, прилагательные и глаголы- кандидаты в ключевые слова, полученные после завершения ра-боты алгоритма. Список дополнительных стоп-слов подбирался для каждого документа индивидуально и включал слова, отражающие специфику текста, но не имеющие смысловой нагрузки. Например, к до-полнительным стоп-словам были отнесены: «гражданин», «акт», «необходимо», «срок» и др.

- Построение графа Полученные слова-леммы использовались в качестве вершин графа, который был построен с по-

мощью библиотеки NetworkX. В некоторых работах предлагается ограничить число вершин в графе, например, включая только имена существительные и имена прилагательные [Mihalcea and Tarau, 2004]; [Усталов, 2012]. Однако в нашей работе были оставлены и глаголы.

Далее был реализован алгоритм установления связей между вершинами. Размер окна для поиска совместной встречаемости слов выбирался экспериментально и варьировался от 2 до 4. Значения N >4 не рассматривались, поскольку увеличение размера окна приводит к заметной деградации точности из-влечения терминов [Усталов, 2012]. Также в процессе работы алгоритма была учтена разбивка на пред-ложения: величина связи между двумя словами, находящимися внутри окна N, но в разных предложе-ниях устанавливалась меньшей, чем между словами в одном предложении, как это показано в (2).

Из вычисленного TR по формуле (3) составлялось множество кандидатов в ключевые слова. Спи-сок вершин упорядочивался по убыванию значения TR, после чего отбирались первые T вершин. В не-которых работах [Mihalcea and Tarau, 2004]; [Усталов, 2012] предложено выбирать T=1/3|V|, однако в силу большей размерности графа для рассматриваемых нами документов данный подход неприменим. Значение T устанавливалось экспериментально и варьировалось от 15 до 21 в зависимости от длины исходного текста. В случае если в список из T выбранных слов попадали слова, относительно которых принималось решение о внесении их в список дополнительных стоп-слов, алгоритм пересчитывался.

Полученные результаты были представлены в виде графа семантических связей с использованием библиотеки Matplotlib. Размер узла графа пропорционален значению TR слова, а сила связи между сло-вами выражена в интенсивности цвета ребра между ними. Приведем граф для документа «Прогноз научно-технологического развития Российской Федерации на период до 2030 года».

Рисунок 2. Граф семантических связей между ключевыми словами в документе

«Прогноз научно-технологического развития Российской Федерации на период до 2030 года»

Как видно из графа, для данного документа могут быть выделены следующие ключевые термины:

Программное обеспечение, транспортная система, программная система, новые материалы и техноло-гии, новые разработки, перспективные технологии, космическая система, разработка новых технологий, транспортная модель, природная среда, энергетическая система, перспективные транспортные и кос-мические системы, космические услуги, перспективные технологии переработки, продукты переработки. Ниже приведен граф для Указа президента «О Стратегии развития информационного общества в Рос-сийской Федерации на 2017 - 2030 годы».


62

Рисунок 3. Граф семантических связей между ключевыми словами в документе

«Указ президента о Стратегии развития информационного общества в Российской Федерации на 2017 - 2030 годы»

Таким образом, для рассматриваемого документа могут быть выделены следующие ключевые тер-

мины: сеть интернет, информационное общество, информационные технологии, информационные и коммуникационные технологии, информационные и коммуникационные инфраструктуры, обработка данных, сети связи, обеспечение доступа, распространение доступа, распространение знаний, инфор-мационная безопасность, программное обеспечение и др. Далее представлен граф для документа «Цифровая экономика Российской Федерации».

Рисунок 4. Граф семантических связей между ключевыми словами в программе

«Цифровая экономика Российской Федерации»

Как видно из построенного графа, для данного документа можно выделить следующие ключевые

термины: цифровая экономика, регулирование цифровой экономики, цифровая платформа, стандарт


63

информационной безопасности, цифровые компетенции, сквозные технологии, сквозные цифровые тех-нологии, информационная безопасность, информационные технологии, сеть Интернет, сети связи, об-работка данных, отечественные разработки, нормативный, правовой.

Аналогичным образом были проанализированы и остальные документы направления Цифровая экономика, после чего был сформирован итоговый список выделенных ключевых терминов (см. Прило-жение 1). Помимо выделения ключевых терминов как характеристики представленных документов, ин-тересна динамика изменения состава связей. Так, например, если до утверждения программы «Цифро-вая экономика» термин «технология» связывался с такими терминами, как «новый», «перспективный», «коммуникационный», «информационный», «инновационный», то после – большинство связей отходит на второй план или исчезает, уступая место связям с «цифровой», «сквозной», «квантовый».

Сам термин «цифровой» тесно связан (помимо связи с «технология») с такими словами, как: «эко-номика», «платформа», «компетенция», «сквозной», «отечественный», «информационный», «безопас-ность», «РИД» (результаты интеллектуальной деятельности), «инфраструктура», «данные», «разра-ботка», «внедрение», «взаимодействие», «нормативный», «правовой», «образовательный», «професси-ональный», «кадры», и др.

Заключение Алгоритм TextRank показывает адекватные результаты на обработке текстов сравнительно боль-

шого размера - максимальное число вершин графа достигалось для документа «Прогноз научно-техно-логического развития Российской Федерации на период до 2030 года» и равнялось 2359 (число уникаль-ных слов документа после удаления стоп-слов). В ходе работы алгоритма были выявлены определен-ные сложности в сборке словосочетаний, что отмечено также и в работе [Усталов, 2012]: «склеивание» слов в фразы происходит в полуручном режиме (необходимо участие эксперта), так как автоматическая сборка, во-первых, способна вывести только наборы слов-лемм, во-вторых, недостаточность ограниче-ний на этапе сборки словосочетаний приводит к появлению заметного количества бессмысленных строк, собранных из вершин с большим весом. Основное решение проблемы состоит в учете вложенности и частоты встречаемости терминов в тексте. Несмотря на большое число методов извлечения ключевых слов, до настоящего времени не разработана последовательная методика обнаружения ключевых слов человеком [Ванюшкин, Гращенко, 2016]. Экспериментально подтверждено, что эта операция выполня-ется людьми интуитивно и является личностно обусловленной [Мурзин, Штерн, 1991]. Так, в случае из-влечения ключевых слов из небольшого числа документов, результаты будут чувствительны к количе-ству слов, которое – было принято решение - отсечь от общего числа слов-кандидатов в ключевые слова.

Задача извлечения ключевых терминов из текста является основополагающей при изучении отрас-левой терминологии. Построенные графы семантических связей наглядно показывают, как меняются в близких по времени создания правительственных документах лексические связи одних и тех же слов. Употребляя одни и те же слова в разных словосочетаниях и контекстах, авторы текстов уходят от четких границ терминов. Тем самым размывается их содержание, исчезает терминологический статус. Таким образом, терминология цифровой экономики на данный момент имеет характер несложившейся, неза-вершенной совокупности, что является следствием нерешенности проблем государственного и законо-дательного плана. С другой стороны, с точки зрения терминоведения, очевидно, что термины цифровой экономики обладают признаками «концептуализованной научной картины мира» [Ордокова, 2004] – от-ражают фундаментальность и глобальность как происходящих на данный момент, так и грядущих изме-нений всех сфер человеческой деятельности.


1. Beliga, S., Martincic-Ipsic, S., and Meštrović, A. An Overview of Graph-Based Keyword Extraction Meth-ods and Approaches. Journal of Information and Organizational Sciences, 2015,39(1).

1. Bird, S., Klein, E., and Loper, E., Natural Language Processing with Python. O'Reilly Media, 2009. http://www.nltk.org/book_1ed/

2. Brin, S. and Page, L,The anatomy of a large-scale hypertextual Web search engine. Computer Networks and ISDN Systems, 1998, 30(1–7).

3. Dobrolyubova E., Alexandrov O., Yefremov A., Is Russia Ready for Digital Transformation?. In: Alexan-drov D., Boukhanovsky A., Chugunov A., Kabanov Y., Koltsova O. (eds) Digital Transformation and Global Society. DTGS 2017. Communications in Computer and Information Science, 2017, vol 745. Springer, Cham

4. Mihalcea, R. and Tarau, P. TextRank: Bringing Order into Texts. Proceedings of the 2004 Conference on Empirical Methods in Natural Language Processing, 2004

5. Mihalcea, R. and Radev, D., Graph-based Natural Language Processing and Information Retrieval. Cam-bridge University Press., 2011

6. Page, S., Brin, S., Motwani, R, and Winograd, T. The PageRank Citation Ranking: Bringing Order to the Web. Technical Report. Stanford: Stanford University, 1998

7. Sag, I.A., Baldwin, T., Bond, F., Copestake, A., Flickinger, D., Multiword Expressions: A Pain in the Neck for NLP. Proceedings of the Third International Conference on Computational Linguistics and Intelligent Text Processing, CICLing ’02, 2002, 1-15, London, UK.


64

8. Salton G., Yang C., On the Specification of Term Values in Automatic Indexing. Journal of Documenta-tion, 1973, 29 (4), 351-372.

9. Ванюшкин А.С., Гращенко Л.А. Методы и алгоритмы извлечения ключевых слов, Новые информа-ционные технологии в автоматизированных системах, 2016

10. Мурзuн Л.Н., Штерн А.С. Текст и его восприятие. Свердловск: Издательство Уральского универси-тета, 1991.

11. Ордокова, Ф.М., Принципы формирования отраслевой терминологии (На материале терминов эко-номики сельского хозяйства). Диссертация на соискание степени кандидата филологических наук, 2004

12. Усталов Д.А., Извлечение терминов из русскоязычных текстов при помощи графовых моделей. Теория графов и приложения: материалы конференции, 2012

13. Цынгуев Б.Т., Математические модели ранжирования вершин в графах коммуникационных сетей. Диссертация на соискание степени кандидата технических наук, Забайкальский государственный университет, 2015

14. Шереметьева С.О., Осминин П.Г., Методы и модели автоматического извлечения ключевых слов. Вестник Южно-Уральского государственного университета, 2015, 12 (1), 76–81.

Милкова Мария Александровна

Ключевые слова Цифровая экономика, Программа «Цифровая экономика», графоориентированные методы,

TextRank, семантические связи, интеллектуальный анализ текста

Milkova Maria, Extracting key terms from documents of Digital Economy direction: a graph-based approach

Keywords Digital economy, Russian Digital Economy Program, graph-based approach, TextRank, semantic links,

text mining

Abstract The paper presents key terms extraction from the government documents issued in the period of 2013-

2018 and linked to the Digital economy direction. One of the key interests of the analysis of government docu-ments is to study them as primary source of digital economy terminology. The paper provides a brief review of the main approaches to key terms extraction and gives detailed description of one of the graph-based methods – a TextRank algorithm. The TextRank algorithm was tested on 13 government documents. The results of doc-uments analysis are presented as weighted graphs of semantic links between keywords. Based on these words the lists of key terms are created for each document.

Приложение 1. Ключевые фразы по анализируемым правительственным документам 1. Прогноз научно-технологического развития Российской Федерации на период до 2030

года – программное обеспечение, транспортная система, программная система, новые мате-риалы и технологии, новые разработки, перспективные технологии, космическая система, раз-работка новых технологий, транспортная модель, природная среда, энергетическая система, перспективные транспортные и космические системы, космические услуги, перспективные тех-нологии переработки, продукты переработки, продукты и услуги.

2. Приоритетный проект «Совершенствование процессов организации медицинской по-мощи на основе внедрения информационных технологий – медицинская информационная система, система здравоохранения, электронный сервис, медицинская помощь, личный каби-нет пациента «Мое здоровье» на ЕПГУ, электронная медицинская карта, информационная си-стема.

3. О стратегии научно-технологического развития Российской Федерации – большой вы-зов, научно-технологический, инновационный научно-технологический, исследования и разра-ботки, инновационный продукт, научно-технологический и инновационный, поддержка научно-технологического, поддержка исследований и разработок, экономика и общество, переход, наука и общество, наука и технологии, международный научно-технологический, обеспечение.

4. О стратегии развития информационного общества в Российской Федерации на 2017-2030 годы – сеть интернет, информационное общество, информационные технологии, инфор-мационные и коммуникационные инфраструктуры, обработка данных, сети связи, обеспечение доступа, распределение знаний, информационная безопасность, программное обеспечение, обеспечение безопасности (безопасного), информационная система, общество знаний, доступ к знаниям, доступ к сети.

5. Цифровая экономика в Российской Федерации – цифровая экономика, регулирование циф-ровой экономики, цифровая платформа, стандарт информационной безопасности, цифровые компетенции, сквозные технологии, сквозные цифровые технологии, информационная без-


65

опасность, информационные технологии, сеть интернет, сеть связи, обработка данных, отече-ственные разработки, нормативный правовой стандарт безопасности разработки, правовое регулирование, компетенции цифровой экономики.

6. План мероприятий по направлению «Формирование исследовательских компетенций и технологических заделов программы «Цифровая экономика Российской Федерации» – цифровая экономика, цифровая платформа, цифровые платформы для исследований и раз-работок, сквозные технологии, разработка (в области) цифровых технологий, научно-техноло-гические разработки, поддержка по исследованиям и разработкам, программная платформа, отбор сквозных технологий РИД (в разрезе) цифровых технологий, решения на базе сквозных технологий, цифровая экономика на базе, технологии на базе, квантовые технологии, разра-ботка квантового.

7. План мероприятий по направлению “Информационная инфраструктура» программы «Цифровая экономика Российской Федерации» - цифровая экономика, сеть интернет, сети связи, обработка данных, информационная инфраструктура, информационные технологии, требования к цифровым технологиям, информационная система, сеть 5G/IMT-2020, требова-ния обеспечения информационной (безопасности) сети 5G/IMT-2020, Роскосмос.

8. План мероприятий по направлению «Информационная безопасность» программы «Цифровая экономика в Российской Федерации» - цифровая экономика, информационная безопасность, сеть интернет, стандарты безопасного информационного взаимодействия, стан-дарты информационной, стандарты безопасности, разработки, разработки (требований) к без-опасности сетей, информационное взаимодействие в цифровой экономике, нормативный пра-вовой, программное, отечественное программное, проведен анализ, Минкомсвязь.

9. План мероприятий по направлению «Нормативное регулирование» программы «Циф-ровая экономика в Российской Федерации» - цифровая экономика, нормативное регулиро-вание, национальный стандарт, ЕАЭС (Евразийский экономический союз), исследование ин-тернета, электронный, Минюст, Минфин, Минэкономразвития.

10. План мероприятий по направлению «Кадры и образование» программы «Цифровая эко-номика в Российской Федерации» - цифровая экономика, кадры и образование, компетенции цифровой экономики, персональная траектория, ключевые компетенции, образовательная ор-ганизация, профессиональное образование, компетенции и профили, апробация модели, Ми-нобрнауки.

11. Постановление Правительства РФ от 15 февраля 2018г. №158 «О программе «Фабрика проектного финансирования» - фабрика проектного финансирования, кредиты и займы, синдицированный кредит, транш синдицированного кредита, транш (предоставляемый), обя-зательства по облигациям, финансирование инвестиционных, Внешэкономбанк.

12. О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года – цифровая экономика, цифровые технологии, внедрение цифровых тех-нологий, разработка и внедрение, система поддержки, внедрение системы, медицинский, стро-ительство, разработка и внедрение национального.

13. Публичная декларация целей и задач Минэкономразвития России на 2018 год – цифровая экономика, социально-экономический, оценка эффективности, повышение эффективности, в рамках поддержки, правовой и нормативный, инвестиционный, экономическая система, элек-тронный.


66

2. ОБЗОРЫ

2.1. ПРАКТИКИ УПРАВЛЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫМИ ПРАВАМИ

Яцкина Д.В., аспирант Центральный экономико-математический институт РАН

Обзор посвящен особенностям управления интеллектуальными правами в исследовательских ин-ститутах, университетах и других организациях, не производящих материальные блага, но об-ладающих значительными портфелями интеллектуальных прав. Речь идет в основном об управ-лении патентными правами, поскольку именно на примере патентов наиболее четко видны об-щие черты и особенности управления портфелем прав в организациях разного типа. Они не скрыты за особенностями объектов прав и режимов правовой охраны.

Введение Исследовательские институты относятся к категории предприятий без производства, однако имею-

щих портфели интеллектуальных прав, в том числе и патентных. Создание патентов и эффективное управление ими может принести таким организациям заметный доход, который впоследствии можно бу-дет направить на дальнейшие исследования. Отвечая на вопрос, почему речь пойдет именно о патентах, стоит сказать, что патенты более всего удобны для коммерциализации, а именно - лицензирования и продажи. Объект охраны всегда четко очерчивается формулой изобретения, нарушение относительно просто зафиксировать.

В данном разделе будет предоставлен обзор международного опыта управления патентными пра-вами исследовательскими институтами. Он будет включать данные об активности институтов в этом ключе, а также о политиках управления патентными правами в ведущих институтах мира. Далее будет дан обзор ситуации с созданием патентных прав исследовательскими институтами в России. В завер-шение будет осуществлена попытка сделать вывод о том, в какую стороны могли бы двигаться инсти-туты в России для достижения более эффективного управления портфелем интеллектуальных прав, в частности, патентов. Стоит отметить, что понимание того, как использовать и управлять патентными правами, будет стимулировать и создание самих объектов этих прав.

Международный опыт История управления патентами исследовательскими институтами уходит корнями в начало ХХ

века. В 1912 году усилиями Фредерика Коттрелла была впервые основана некоммерческая организация, предназначенная для управления изобретениями самого основоположника, а также всех желающих из академического сообщества США. Изобретатели получали платежи в виде роялти, также на роялти могли рассчитывать институты, в которых работали изобретатели, и их лаборатории. Часть средств ор-ганизации жертвовалась Смитсоновскому институту и ряду других организаций страны напрямую для проведения исследований. В 1924 году Университет Лихай установил у себя первую формальную поли-тику по управлению патентными правами. К 1952 году уже 73 университета имели свои политики, а в 1962 году - уже 147 из 359 технических университетов страны. Другие 596 академических организаций в том же году отчитались, что они практически не ведут никаких исследовательских или технических раз-работок и не имеют патентной политики. В тех институтах, которые внедрили у себя политику в отноше-нии патентов, больше всего пользовались ею в области биомедицинских исследований. Гарвардский университет предлагал юридическую помощь тем, кто сталкивался с патентованием. Права на патенты делились между исследователями. Монетизацией патентов по-прежнему занималась организация Фре-дерика Коттрелла.

В 1925 году, однако была образована вторая организация по управлению патентными правами, созданными в академической среде. Организация появилась в Висконсинском Университете и была предназначена для управления патентами, полученными исследователями этого университета. Первый патент, которым управляла организация, был связан с методом УФ облучения продуктов питания. До 1981 года практически в каждом техническом университете США появилась своя патентная политика, в которой отражались принципы разделения прав на патенты, а также принципы назначения вознаграж-дений. В некоторых университетах была своя организация по коммерциализации и трансферу техноло-гий, которая и занималась управлением патентным портфелем, другие же, коих было подавляющее большинство, пользовались услугами организации, основанной Фредериком Коттреллом. К 1980 году в 25 университетах были учреждены собственные отделы по трансферу технологий. Количество выдан-ных академическим институтам патентов превысило 300.

Однако принцип разделения прав до 1981 года оставался недостаточно четко сформулированным. Большая часть изобретений, полученных за деньги бюджета США, должна была принадлежать государ-ству, на другие же патенты права оставались у университетов, некоторые становились общественным

Яцкина Д.В. Управление инт. правами в организациях без пр-ва

67

достоянием. Тем не менее, владея патентными правами, государство их практически не использовало, что вскоре перестало устраивать законодателей.

В 1981 году в качестве меры по преодолению экономического спада 70-х был принят акт Бэя-Доула, который законодательно закрепил все права на изобретения, полученные в университетах за государ-ственный счет, за университетами. В рамках акта стартапам и некоммерческим организациям также доз-волялось оформлять патентные права на себя. Для того, чтобы соблюсти все формальности, было всего лишь необходимо уведомить государство о появившейся заявке на патент. Стоит отметить, что государ-ство все же получало права безвозмездного пользования такими патентами. Кроме этого, акт обязывал университеты прикладывать все возможные усилия для использования и монетизации их патентных прав. Акт также накладывал некоторые дополнительные условия на некоммерческие организации, за-ключающиеся в том, что они имели права передать патентные права только организациям, занимающи-мися исключительно управлением патентными портфелями. Все роялти и другие доходы от патентов должны были использоваться организациями для финансирования исследовательской или образова-тельной деятельности. Идея, лежавшая в основе акта, была призвана стимулировать непрерывное со-здание инноваций и их внедрение. Закон оказался невероятно успешным: он, по словам экспертов из юридической фирмы Goodwin, смог привести к созданию более 10,000 стартапов, 200 новых медицин-ских препаратов и, в конечном итоге, принести более 500 млрд. долларов в экономику США. Однако не все было так безоблачно.

С 1981 года исследовательские институты начали активно искать свое место на патентном рынке, вызывая множество споров и разногласий. Основным вопросом для спора был и остается вопрос о том, насколько справедливо отдавать права на патенты институтам, тогда как исследования были профинан-сированы за государственный счет, и как это далее повлияет на инновационную активность. Помимо этого, возник вопрос о том, как университету дальше правильно использовать патенты. Где лежит та самая грань между институтами и патентными троллями? Существовали также небезосновательные опасения, что исследовательские институты будут продавать свои патенты, полученные в ходе финан-сируемых государством исследований, патентным троллям, тем самым оказывая негативное влияние на экономику инноваций [Mowery, 2015]. Отметим, что по итогам исследования (итоги которого будут представлены далее в данной работе) самых активных патентных троллей 2017 года и происхождения их патентов, университеты напрямую не были замечены в списке источников. Не остался в стороне и вопрос о качестве патентов, генерируемых исследовательскими организациями, так как многие органи-зации стали бороться за государственное финансирование путем генерации большого количества низ-кокачественных патентов, что опять-таки расходится с целью законодателей, так как это неэффективно увеличивает расходы на инновации [Mark, Lemley, 2008]. Статистика показывает, что в 2013 году меди-анное значение дохода университетов, сообщивших свои данные о деятельности отделов по трансферу технологий, равнялось почти 1,57 млн. долларов, тогда как на 1% от всех патентов, принадлежащих университетам и ассоциированным с ними кампаниям по трансферу приходится больше 1 млн. долла-ров дохода.1 Таким образом, власти США решали и продолжают решать в отношении академических институтов совершенно нетривиальные вопросы о том, как правильно замотивировать институты ис-пользовать права, по сути предназначенные для создания технологической производственной монопо-лии, в противоположных целях – ускорить и улучшить качество инноваций, которые повлекут за собой создание новых высокотехнологичных предприятий, создающих конкуренцию текущим монополистам. Кажется, что задача имеет множество степеней свободы и найти некое равновесное решение совсем непросто.

Вернемся к текущей ситуации в США. Последние громкие дела, связанные с патентами универси-тетов, принесли последним существенные доходы. Так, в 2017 компания Apple заплатила Висконсин-скому Университету 506 млн. долларов, а в 2016, как уже упоминалось, Университет Карнеги-Меллон получил от Marvell Technology Group почти 750 млн. долларов. На первый взгляд кажется, что патенты – это рог изобилия для исследовательских институтов.

Отнюдь, большая часть патентов топовых университетов США не приносит им никакого дохода. Например, в 2014 году Ассоциация Владельцев Интеллектуальной Собственности (IPO) присвоила Ка-лифорнийскому Университету первое место по количеству патентов в рейтинге топ 100 университетов мира. Калифорнийский Университет в 2014 году обладал 453 патентами, что почти в два раза больше Массачусетского Технологического Института, который оказался на втором месте с его 275 патентами, и в пять раз больше Северо-Западного Университета (Northwestern University), занявшего 22 позицию в рейтинге с 84 патентами. На самом же деле, согласно данным отчета Блумберг, 84 патента Северо-Западного Университета принесли 391 млн. долларов, тогда как Калифорнийский Университет зарабо-тал более чем в три раза меньше – 109 млн. долларов.2

1 https://www.autm.net/ 2 Dave Merrill, Blacki Migliozzi, Susan Decker, Billions at Stake in University Patent Fights, 24.05.2016 https://www.bloomberg.com/


68

В 2012 году Институт Брукингса подсчитал, что 16 университетов владеют 70% всех лицензионных платежей по академическим патентам (West, 2012). В среднем же 87% университетов за последние 20

лет сообщали статистику о том, что их расходы на содер-жание отделов по трансферу технологий превысили размер получаемых лицензионных платежей3. Исследователи Института Брукингса считают, что университетам стоит дви-гаться в сторону создания стартапов и малых предприя-тий, избавляясь при этом от затратных отделов трансфера технологий. Другие же экс-перты не согласны и пола-гают, что создание стартапов должно стать дополнением к отделам трансфера техноло-

гий, а не заместить их, поскольку только малая доля патентов в общем становится прибыльным, а еще меньшая доля может стать успешной в качестве основы для нового бизнеса. Таким образом, избавление от отделов трансфера технологий лишит университетов прибыли, которая поступает от лицензирования патентов крупным предприятиям.4

Вытянуть лотерейный билет в виде суперуспешного патента – это редкий шанс для института, но он все же есть. Так, с 1970 года Стэнфордский Университет сгенерировал около 10,000 изобретений, и только 3 из них принесли мультимиллионные лицензионные платежи. Статистика показывает, что в пе-риод с 1973 по конец 2010 года было инициировано 210 судебных разбирательств с участием универси-тетов.5 С 2010 года произошел скачок количества таких дел. Эксперты связывают это с введением Amer-ica Invents Act, который в рамках борьбы с патентным троллингом запретил включать множество ответ-чиков в один иск. Ключевые дела последних лет приведены в таблице 1 ниже.

Регламент ВОИС по управлению ИС в университетах и исследовательских организациях Всемирная организация интеллектуальной собственности (ВОИС) в свою очередь одобряет патент-

ную активность институтов, а также учреждение патентных политик и дальнейшую коммерциализацию изобретений. На летней школе ВОИС в 2014 году экспертом ВОИС Сергеем Зотиным был озвучен до-клад «Интеллектуальная собственность в университетах и НИИ: создание, охрана и использование», в котором были отражены рекомендации о том, как академическим институтам стоит управлять их патент-ной активностью. Более того, в ВОИС разработали Инструментарий по управлению академической ин-теллектуальной собственностью и инновациями на ранней стадии жизненного цикла в странах с пере-ходной экономикой. В ходе межрегиональных консультаций по управлению академической ИС в Буда-пеште 27 октября 2010 года принято решение о разработке Типового Регламента о политике в области ИС для университетов и научно-исследовательских учреждений.6 В ВОИС ожидают, что применение Ре-гламента на практике будет стимулировать университеты к разработке свой политики в данной области.

Регламент преследует цели: - поощрения, стимулирования и поддержки научных исследований и разработок; - обеспечения правовой определённости в сфере научно-исследовательской деятельности и

правоотношений с третьими лицами в связи с использованием технологий; - обеспечения своевременной и эффективной охраны ИС и управления ею;

- создания благоприятных условий для регистрации, мониторинга и ведения портфеля объектов ИС университета;

- обеспечения справедливого и честного распределения экономических выгод от коммерциали-зации ИС с учётом вкладов изобретателей и университета, а также вкладов третьих лиц;

- укрепления репутации университета как научно-исследовательского учреждения и члена обще-ства, а также укрепление репутации исследователей через внедрение результатов исследова-ний на благо общества.

Необходимость политики в области ИС в университетах обусловлена необходимостью защищать интересы университетов при управлении совместными научно-исследовательскими проектами и пере-даче инноваций. Внедрение политики может привести к получению значительных выгод от научно-ис-

3 Walter D. Valdivia, University Start-Ups: Critical for Improving Technology Transfer, 20.11.2013 //https://www.brook-

ings.edu/ 4 http://www.ipwatchdog.com/2014/01/27/does-university-patent-licensing-pay-off/id=47655/ 5 https://patentlaw.jmbm.com/2015/12/a-snapshot-of-university-paten.html 6 http://www.wipo.int/publications/en/details.jsp?id=4119

Таблица 1 Ключевые судебные процессы

https://www.brookings.edu/author/walter-d-valdivia/


69

следовательской деятельности. В силу того, что академические исследования вовлекают в работу об-ширный круг лиц разных типов, политика учитывает интересы университетов, исследователей/изобре-тателей, студентов, внешних спонсоров, промышленных партнёров, посреднических организаций, орга-низаций, использующих ИС университета (лицензии) и инвесторов.

В регламенте также уделяется внимание роли отделов по трансферу технологий (Центров по пе-редаче технологий). Согласно регламенту, центры должны охватывать следующий круг вопросов:

- Проведение переговоров по заключению соглашений о сотрудничестве в проведении исследо-ваний (с участием исследователей);

- Обработка первичных материалов, раскрывающих результаты исследований, подготовка за-ключений о патентоспособности;

- Оценка коммерческого потенциала изобретений и других объектов ИС; - Получение правовой охраны; - Поиск коммерческих партнёров для реализации ИС; - Повышение грамотности исследователей университета в области ИС. Регламент ВОИС включает в себя следующие аспекты:

- Сфера действия Регламента; Регламент должен распространяться на всех исследователей, которые вступили в правоотношения

с университетом, включая студентов, аспирантов и приглашённых исследователей, которые осуществ-ляют исследования по заданию университета, а также на всю интеллектуальную собственность, создан-ную в университете, и на все вытекающие права ИС (патенты на изобретения, технологии, усовершен-ствования, новые материалы, химические вещества, способы производства, а также связанное с ними ноу-хау, товарные знаки, промышленные образцы). Помимо этого, регламент должен содержать пункты о коммерческой тайне.

- Правовые аспекты статуса исследователей; - Поддержка со стороны внешних спонсоров, сотрудничество с третьими лицами в рамках научно-

исследовательской деятельности; До начала любой научно-исследовательской деятельности с третьим лицом необходимо зафикси-

ровать условия сотрудничества в письменном договоре. В зависимости от интеллектуального и финан-сового вклада университета и третьей стороны в создаваемую ИС возможны разные решения в отноше-нии права собственности на ИС и/или на распределение доходов от её реализации. Весьма важным является сведение к минимуму срока, в течение которого стороны договорились сохранять конфиден-циальность в отношении результатов исследований.

- Имущественные права на создаваемую ИС; Общее правило – все права ИС, созданные исследователем в процессе работы на университет,

автоматически принадлежат университету. Однако в случае создания ИС на средства спонсоров или на основе другого типа соглашения, право собственности будет определяться таким соглашением. Если университет отказывается от своих прав на ИС, исследователи/изобретатели получают право получить их на себя. В некоторых странах университеты не могут получать на себя права ИС. В случае служебного изобретения университет становится правообладателем по закону.

- Распределение доходов; Регламент освещает четыре базовых принципа распределе-ния доходов от монетизации интеллектуальной собственно-сти в университетах. В первую очередь – это поощрение твор-чества и изобретательства. Для каждого университета должны быть разработаны индивидуа-лизированные политики, учиты-вающие всех участников и об-щие экономические факторы (состояние экономики, уровень господдержки и финансирова-ния из федеральных и регио-нальных источников). Подчер-кивается общее

правило – возрастание доли университета с ростом нетто-доходов от реализации ИС. И последнее, если изобре-тателей несколько – доля ав-

тора изобретения делится на всех изобретателей в зависимости от вклада каждого.

Таблица 2 Распределение доходов от использования ИС в университетах


70

- Конфликт интересов и конфиденциальность. В целом, регламент ВОИС берет за основу практику, сложившуюся в США и европейских странах с

развитой экономикой. Для примера даже приводятся три возможные схемы распределения доходов, которые сформированы в таблице 2.

Для примера приведем основные положения политик по интеллектуальной собственности четырех различных университетов.

Университет в Глазго - Вопросами ИС занимается департамент по исследованиям и связям с предприятиями; - Все вопросы деятельности департамента изложены в документах; - Главная роль – решения по коммерциализации, оценка ИС, лицензирование; - Полный набор дефиниций всех понятий, особенно в области авторского права;

- Чёткое разделение категорий участников (студенты, служащие, внешние работники); - Вся ИС принадлежит университету, кроме оговоренных исключений; - Детальные положения о конфиденциальности; - Распределение доходов от лицензирования: до 50 К – 50:50 (изобретатель/факультет), свыше

50 К – 33:67; - Распределение доходов от предприятий с третьими лицами: 50% основному профессору, 25%

факультету, 25 % университету. Бристольский Университет

- Вопросами ИС занимается офис секретаря университета, имеется также департамент по раз-витию исследований и связям с предприятиями;

- Специальный регламент по ИС создан для студентов; - В случае независимого создания студентом ИС, все права принадлежат студенту; - Университет занимается коммерциализацией после получения/уступки прав на ИС и согласова-

ния вознаграждения изобретателю; - Распределение доходов: до первых 4 К- всё студенту, из последующих поступлений вычитаются

расходы на патентование и юридические услуги, затем до 15 К: 60% студенту, 15% Департа-менту, 25% университету;

- От 15 до 75 К: 50% студенту, 25% департаменту, 25% университету; - Более 75 К: всем по 1/3; Гарвардский Университет - Вопросами ИС занимается офис развития технологии; - Политику и важные вопросы решает комитет по ИС университета; - Регламент по ИС включает общие положения и цели, а также разные формуляры; - Перечень определений, относящихся к праву собственности и распределению доходов; - Отдельно имеются положения, относящиеся к авторскому праву, компьютерным программам и

непатентуемым материалам, например, биологическим; - Подробное руководство для изобретателей; - Распределение доходов (роялти): личная доля автора 35%, дополнительная доля автора 15%,

доля Департамента 15%, доля университетской школы 20%, доля Президента университета 15%;

- Распределение доходов по финансируемым исследованиям: личная доля автора 35%, допол-нительная доля автора 15%, доля департамента 10 %, доля университетской школы 10%, доля президента университета 10%, доля фонда финансирования 20%.

Вашингтонский Университет, Сент-Луис - Вопросами ИС занимается комитет по наблюдению за передачей технологий, созданный при

вице-канцлере по исследовательской политике; - Рабочим органом является офис по менеджменту технологий; - Регламент по ИС включает общие положения и цели, положения о праве собственности и рас-

крытии информации, а также правила работы с третьими лицами и разрешения конфликтов, детальный перечень определений;

- Распределение доходов: 25 % офису по менеджменту технологий, 35% автору, 40% универси-тетской школе автора.

Опыт российских институтов и исследовательских организаций В данный момент в России протекает глобальная реформа Академии наук и науки в целом. Каждый

год происходят какие-то глобальные изменения, которые ощущают все сотрудники отрасли и люди, напрямую соприкасающиеся с ней. Так как наука является одним из самых значимых источников резуль-татов умственной деятельности, то это естественно влечет за собой необходимость приспособления инструментов обслуживания результатов такой деятельности. Одним из таких инструментов, без-условно, является институт интеллектуальной собственности, в который входит и направление промыш-ленной собственности, и в более частном случае - патентной. Конечно, патенты всегда напрямую сопря-жены с неким производством. Однако как было показано на примере других стран выше, исследователь-ские организации без производства здесь также вносят существенный вклад.


71

Чтобы оценить этот вклад, в 2014 году была создана Автоматизированная система учета резуль-татов интеллектуальной деятельности Российской академии наук (АСУ РИД РАН). В ЦЭМИ РАН изучили возможности этой системы, а также результаты, которые она выдает [Козырев, 2015]. К сожалению, на момент 2018 года система перестала быть обязательной для ввода данных. Однако данные из нее все равно представляют немалый интерес. В данной части будет кратко изложена суть упомянутой анали-тической записки. А затем будут приведены данные из других систем, отражающие состояние академи-ческих институтов как источников патентов.

Итак, АСУ РИД РАН изначально была создана с целью обеспечения государственного учёта ре-зультатов научно-технической деятельности, созданных в научных учреждениях Российской академии наук при выполнении научно-исследовательских, опытно-конструкторских и технологических работ граж-данского назначения за счёт средств федерального бюджета. С 2009 года активное участие в разра-ботке, развитии, а также в техническом обеспечении бесперебойной работы АСУ РИД РАН принимал ЦЭМИ РАН. Большую помощь в развитии АСУ РИД РАН оказала компания Microsoft, а также ее офици-альный партнер компания Spellabs.

Российская Академия Наук как главный распорядитель средств федерального бюджета обязана была учитывать только те результаты научно-технической деятельности (РНТД), которые созданы в ин-ститутах РАН за счёт финансирования, полученного из Президиума РАН. У руководства Академии Наук было желание иметь полное представление о научно-исследовательских, опытно-конструкторских и тех-нологических работах, проводимых в подведомственных научных организациях. В связи с этим АСУ РИД РАН разрабатывалась также как инструмент для сбора и обработки сведений о результатах научно-тех-нической деятельности, полученных при выполнении государственных контрактов, различных грантов и т.п., когда в качестве заказчиков – главных распорядителей средств федерального бюджета - выступали федеральные органы исполнительной власти и другие организации.

Исключительные права являются имущественными правами и, как правило, поставлены на бухгал-терский учет организации в качестве нематериальных активов (НМА). Для учета этого факта в качестве подсистемы в АСУ РИД РАН был создан реестр НМА, который в том числе содержит информацию о РНТД и их балансовой стоимости.

Ведение государственного учёта РНТД и реестра НМА было возложено на Отдел по инновациям и интеллектуальной собственности РАН. АСУ РИД РАН позволила в режиме удаленного доступа взаимо-действовать сотрудникам Отдела с представителями институтов по заполнению форм государственного учета, своевременному внесению РНТД и НМА в соответствующие реестры. В результате были созданы Базы данных РНТД и НМА. Таким образом, АСУ РИД РАН был своеобразным реестром иного движимого имущества, который позволял эффективно управлять правами Российской Федерации на результаты интеллектуальной деятельности. Ниже проиллюстрированы аналитические возможности системы.

Разработанная и введённая в строй система предоставляла уникальные возможности для анализа деятельности академических институтов не только с точки зрения формальных показателей их резуль-тативности, но и при планировании научной деятельности. В планах была интеграция АСУ РИД РАН со сторонними информационными системами, в частности, с патентными поисковыми системами, что поз-волило бы собирать данные об аналогичных разработках и технологических трендах.

По состоянию на конец марта 2014 г. АСУ РИД РАН содержала сведения о 1292 РНТД, в том числе 48 баз данных, 673 изобретения, 133 полезных моделей, 249 программ для ЭВМ и 50 секретов произ-водства (ноу-хау). Так как в рамках данной работы особый интерес представляет патентная активность как особый род активности, генерирующий специфичные объекты интеллектуальной собственности и поэтому рассматриваемый отдельно от других объектов ИС большинством профессиональных иссле-дователей, в таблице 3 ниже приведены данные именно о патентной активности.

Помимо регистрации РНТД, си-стема собирала сведения о нема-териальных активах (НМА) орга-низаций. Не каждый результат может быть признан в качестве нематериального актива – для этого необходимо удовлетворе-ние положению по бухгалтер-скому учёту и соблюдение неко-торых формальных процедур. На 2014 год институты подали сведе-ния о 992 нематериальных акти-вах.

Таблица 3. Организации с наибольшим количеством патентов, зарегистрованных в АСУ РИД РАН


72

Данные из коммерческих патентных баз данных В данной части будут приведены данные из аналитической патентной базы данных PatSeer. Для

начала следует кратко описать, что представляет собой эта база данных. Как известно, все патентные базы патентных ведомств разных стран являются публичными. Принцип публичности заложен в самой сути патентной системы любой страны. Принцип заключается в том, что заявки на изобретения, а также выданные на них патенты содержат в себе описания изобретений в унифицированном виде, что пред-ставляет собой огромный источник знаний со всего мира, который должен быть доступен всем людям для ознакомления и использования в качестве основы для последующих инноваций. Таким образом, в каждой стране есть своя патентная база со всеми сведениями, включающими библиографические све-дения о заявках, заявителях, описания самих изобретений с чертежами и многое другое. Ознакомиться с тем, как такие базы выглядят, можно на сайте Роспатента или, к примеру, на сайте патентного ведом-ства США (USPTO). У патентных баз данных существует один недостаток – это принадлежность опуб-ликованных заявок к определенной стране. Однако существуют агрегирующие базы данных, такие как Google Patents, Questel, Lexis Nexis, PatSeer, Thomson Innovations и многие другие, которые аккумули-руют данные из всех баз данных всех стран в одном месте. Кроме этого, перечисленные базы данных обладают мощными аналитическими инструментами, позволяющими строить статистики по различным параметрам. Базы данных с самыми мощными инструментами аналитики являются платными и пред-ставляют огромный интерес для исследователей и руководителей подразделений интеллектуальной собственности предприятий. Одна из таких баз данных, а именно PatSeer, и была использования для получения статистики по институтам РАН.

Приведем лишь самые интересные результаты исследования. Стоит отметить, что есть некоторая сложность, связанная с транслитерацией названий учреждений с русского языка на английский, поэтому для генерации результатов был использован интеллектуальный поиск названий, которые содержат сло-восочетание «Russian Academy». Интеллектуальность поиска заключается в том, что система самосто-ятельно ищет заявителей, содержащих данное словосочетание, по всей базе данных и соответственно выдает результаты для всех существующих правообладателей, содержащих в названии данное слово-сочетание. Предполагается, что такая выборка является достаточно точной. В любом случае, стоит дать рекомендацию исследовательским институтам предоставлять укороченные и упрощенные называния своих организаций при подаче заявок для удобного перевода на другие языки.

Итак, по запросу система выдала 439 результатов по всем странам мира, 244 из которых являются действующими патентами на изобретения и полезные модели (чуть более упрощенная форма, суще-ствующая только в малом количестве стран). Динамика активности по подаче заявок отражена ниже (Рис.1). Видно, что 2012 год стал самым плодотворным по количеству поданных заявок на патенты. Объем подачи сохранялся на высоком уровне с 2009 по 2014 год и значительно снизился в 2015. Тренд на понижение сохранился и далее вплоть до 2018 года. Статистика по 2018 году является не оконча-тельной и финализируется только в 2019 году. С чем связано такое падение активности - сказать не просто. Одной из гипотез может быть начало реформы РАН в 2013 году и принятие решительных мер по реструктуризации годами позднее. Кажется, что данные инициативы значительно снизили желание институтов проявлять патентную активность. Хотя попытки заставить РАН работать по грантовой си-стеме, в которой как раз предусмотрен учет количества патентов при рассмотрении кандидатов на вы-полнение грантов, должны были, наоборот, стимулировать патентную активность институтов. Возможно, годы спустя, когда система РАН оправится от шока, патентная активность станет стремительно расти. Однако пока что этого нельзя сказать.

Рисунок 1. Тренды патентования в РАН

Отдельно проводился ручной анализ (в силу трудностей с транслитерацией названий учреждений) правообладателей, который показал, что Институт катализа им. Г.К. Борескова СО РАН лидирует по количеству объектов патентного права (включая все заявки, активные и неактивные патенты) с цифрой 31, при этом Сибирское отделение РАН встречается в списке правообладателей наиболее часто.


73

Следующая диаграмма демонстрирует топ 10 юрисдикций, в которых действуют патенты РАН в рамках изучаемой выборки (рис. 2). Закономерно, что более всего патентов зарегистрировано в России. Существует закон, который регламентирует подачу приоритетной заявки в стране, где изобретение было осуществлено. Второй по популярности является юрисдикция США. Действительно, патентный рынок США является самым развитым в мире, и это весьма последовательно со стороны РАН преследовать патентные права в этой стране. Третьей юрисдикцией по популярности является Европейский Союз. Действительно, Европа является областью с одним из самых развитых патентных рынков после США. Приведенная цифры также косвенно свидетельствуют о наличии партнерств с данными странами. Напомним, что подача и поддержание в силе патентов в таких юрисдикциях, как США и странах ЕС, является очень дорогими, и без реальной потребности обычно патенты в этих странах не поддержива-ются в силе. Следующая по численности патентов юрисдикция имеет код EA и означает юрисдикцию действия Евразийской патентной конвенции. В данную область входит Россия и ряд стран СНГ. Пользу-ясь этой конвенцией, заявители экономят на подаче заявок в каждую страну конвенции в отдельности и при этом имеют возможность получить патенты в этих странах.

Рисунок 2. Страны публикаций действующих патентов РАН

Наличие интернациональных партнерств также хорошо прослеживается на диаграмме с распределе-нием авторов по их гражданствам (Рис. 3). При построении графика учитывали все патенты, в том числе и не действующие на момент сбора статистики (сроки действия которых истекли, заявки, не прошедшие экспертизу, аннулированные патенты из-за неуплаты поддерживающей в силе пошлины).

Рисунок 3. Гражданство изобретателей РАН

Распределение по юридическому статусу показано на следующей иллюстрации (рис. 4). Из этих данных можно сделать очень важные выводы о мотивации иссле-довательских институтов подавать патент-ные заявки. Обычно заявки, поданные только ради отчетности, либо не проходят экспертизу и никогда не превращаются в патенты, либо же полученные патенты поддерживаются в силе только первый год или два, а затем прекращают свое дей-ствие из-за неуплаты пошлины. На ри-сунке видно, что большинство патентов яв-ляются активными, а принимая во внима-ние не большие темпы патентования в по-следние годы, можно сделать вывод о том,

Рисунок 4. Юридический статус патентов на изобретения РАН


74

что в силе поддерживаются патенты возрастом от трех и более лет. Таким образом, есть немалая веро-ятность, что большая часть активных патентов нашла свое применение в индустрии и кем-то использу-ется.

Статистика (рис. 5) демонстри-рует технические области патентова-ния. Интересно, что с точки зрения па-тентной активности более всего раз-вита область, так или иначе связанная с химией. Области, связанные с меха-никой и электроникой – одни из самых активных областей для судебных спо-ров между институтами и производя-щими компаниями в США –развиты куда меньше.

Подводя итог, стоит отметить, что патентная активность в России не-соизмерима меньше той, что демон-стрируют университеты США. Кроме этого, в результате продолжительных поисков данные о патентных спорах с

участием институтов РАН обнаружить не удалось. Стоит отметить, что с публикацией статистики такого рода дел в России обстоят дела очень плохо, что обусловлено отсутствием необходимости, так как па-тентных споров действительно очень мало. Тем не менее, некоторая патентная активность среди инсти-тутов РАН прослеживается, особенно в химической и фармацевтической индустриях. Однако в послед-ние три года патентная активность значительно упала, что может быть связано с принятием решитель-ных мер в рамках реформы РАН, которые поддерживаются не всеми представителями академии и могут оказывать демотивирующее влияние. Небольшое количество заявок в институтах РАН также приводит и к отсутствию активной работы в рамках создания патентных политик и их использования, что является естественным, так как без наличия потребности в обслуживании патентных портфелей теряется смысл существования политики. Также остается под вопросом эффективность текущей системы распределе-ния прав на результаты интеллектуальной деятельности, появившихся в ходе государственного финан-сирования, которая в данный момент все-таки закрепляет права за государством.

В качестве итогового замечания, пожалуй, стоит вынести следующее: институтам РАН необходимо пережить реформу, адаптироваться к грантовой системе, изучить положительный и негативный опыт работы с патентами в других странах, где существует похожая система финансирования науки на ту, что пытаются построить в России - например, США, и далее двигаться по пути наращивания патентной ак-тивности и активности, связанной с коммерциализацией патентных портфелей.

Технологические брокеры Самый известный технологический брокер - Британская технологическая группа – перешел к более

выгодному бизнесу в области медицины.7 Изначально БТГ создавалась для коммерциализации прав на результаты исследований, финанси-

руемых из государственного бюджета. В целом опыт показал, что на этом трудно добиться окупаемости, получая права бесплатно, не говоря уже об их приобретении на возмездной основе. О том же говорит опыт центров коммерциализации ИС при университетах США. Не окупаются сами центры, не говоря об университетах в целом.

В России долго существовала и сейчас продолжает существовать в каком-то виде организация ФГБУ «ФАПРИДД», которая позиционировалась как своего рода технологический брокер со специали-зацией в управлении правами на РИД в области технологий военного, специального и двойного назна-чения. В частности, одной из задач считалась защита прав на российские разработки за рубежом. Более того, существовала даже такая формулировка, как «восстановление прав Российской Федерации за ру-бежом». Однако на практике эта задача оказалась невыполнимой, а лицензии ФАПРИД предоставляет не от имени разработчика третьим лицам, а от имени Российской Федерации самим разработчикам – российским фирмам. Как правило, это происходит при поставках продукции за рубеж. В международной практике такое встречается, но называется возвратом инвестиций. Смысл в том, что бюджетные деньги выделяются на разработку продукции для государственных нужд. Далее продукция оказывается востре-бованной и для экспорта, а потому инвестор (государство) получает часть инвестиций назад. Иными словами, здесь произошло некоторое смешение терминов, поскольку изначально ставились невыполни-мые задачи. А потом они были заменены выполнимыми, а название осталось.

Другой пример – итальянская компания SISVEL. Эта компания тоже позиционирует себя как техно-логический брокер. Основатель компании выступает на наиболее посещаемых конференциях патентных специалистов, делая доклады о том, как компания решает вопросы распределения роялти между вла-

7 https://www.btgplc.com/about-us/our-history/

Рисунок 5. Область техники патентов РАН

https://www.btgplc.com/about-us/our-history/


75

дельцами патентов на определенный пул технологий. SISVEL использует эффект синергии от составле-ния патентных пулов, которые закрывают определенную нишу. Однако они не всегда выкупают права у владельцев, скорее, наоборот, предлагают патентообладателям присоединиться к пулу для увеличения эффективности атаки. Затем прибыль делится между всеми участниками пула – часто производящими компаниями, а некий процент остается у SISVEL как организатора данной деятельности. Так, компании удалось собрать патентный пул, полностью покрывающий технологию 4G мобильной связи, который она в данный момент активно лицензирует. Тем не менее, хотя владельцы и менеджмент SISVEL называют себя технологическими брокерами, в исследовании активности патентных разбирательств в Европей-ском Союзе компания фигурирует как самый крупный европейский патентный тролль со штаб-квартирой в Италии.

Патентные тролли

Патентные тролли в США Патентные тролли, или непроизводящие фирмы, или патентные агрегаторы – это фирмы, бизнес-

модели которых заключаются в использовании патентов против нарушителей для того, чтобы получить компенсацию ущерба или отступные выплаты (Reitzig, Henkel, Heath, 2007). Термин «патентный тролль» появился в 1990-е гг. в США. После того как волна патентного троллинга буквально накрыла всю патент-ную систему США, он стал общеупотребимым. С тех пор проблема лишь актуализировалась в странах с развитой экономикой, что побуждает исследователей активно изучать этот феномен.

В первую очередь возникли дискуссии об определении понятия патентного тролля. Одна из них заключалась в следующем. Очевидно, что название «патентный тролль» несет за собой негативный подтекст и осуждение, хотя под определение патентного тролля также подходят и исследовательские институты. Основное отличие исследовательских институтов от патентных троллей, заключается, во-первых, в том, что они не скупают патентные права у третьих лиц, а во-вторых - в их интересы входит лицензирование технологий до наступления нарушений. Таким образом, большинство исследователей пришли к выводу о том, что стоит исключать институты и другие исследовательские организации из числа непроизводящих фирм, ведущих активную стратегию на рынке интеллектуальной собственности в качестве патентных троллей.

В настоящее время патентные тролли продолжают свою деятельность, что, безусловно, влияет на рынок инноваций и на рынок уже существующих технологических решений. В связи с этим исследование стратегии патентных троллей является актуальной и своевременной темой.

Проблемы, связанные с негативным влиянием патентного троллинга на инновационное развитие США, привели к реформам во всех трех ветвях государственной власти. Первая существенная попытка законодательной борьбы была предпринята в 2011 г. (America Invents Act), а в феврале и апреле 2015 г. были созданы еще два акта, которые до сих пор находятся на рассмотрении (Innovation Act и Protecting American Talent and Entrepreneurship (PATENT) Act). Попытаться проследить общее развитие проблемы

патентных троллей можно на графике соотношений патентных дел с уча-стием/без участия патент-ных троллей в окружных су-дах США (рис. 6).

Видно, что с 2010 г. ко-личество дел с участием па-тентных троллей (NPE) начало превышать количе-ство дел с участием только производящих фирм. В сен-тябре 2011-го президент Обама подписал America In-vents Act.

AIA содержит несколько положений, которые были призваны бороться с проблемой троллей. Так,

299 секция документа призвана ограничить возможность непроизводящих фирм подавать общий иск со множеством ответчиков, даже если все ответчики обвиняются в нарушении одного патента. Это должно было существенно повысить судебные издержки троллей, что впоследствии теоретически должно было уменьшить количество исков с их участием [Agarwal, 2015]. Кроме этого, реформа внесла изменения в процедуру рассмотрения патентных споров, введя Inter Partes Review. Данная процедура представляет собой усеченную версию суда на базе патентного ведомства, в ходе которого обвиняемая сторона может оспорить валидность патента истца. Такое нововведение также должно было упростить разрешение споров на начальном этапе. Однако в профессиональном сообществе реформа оценивается неодно-значно. В частности, экспертов смущает негативное влияние на некрупные инновационные предприятия, которые, во-первых, не всегда могут отстаивать свои права самостоятельно при повышении входных барьеров в разбирательства, а, во-вторых, практика проведения также затратной Inter Partes Review

Рисунок 6. Количество инициированных дел непроизводящими фирмами в окружных судах США


76

сложилась, скорее, в сторону защищающейся стороны: чаще всего исходом является аннулирование патентов. Кроме этого, отмечается и невысокая эффективность реформы против троллей.8 И действи-тельно, с 2012 г. количество судебных дел как с участием производящих фирм, так и патентных троллей в целом снижается. Доля дел троллей в общем количестве так и остается более 50%. Более того, в 2013 и 2015 гг. наблюдался всплеск активности, когда их доля значительно превысила 50%.

В 2014 году общее количество дел в США, включая дела с участием троллей, также сократилось, что большинство экспертов связывают с прецедентным решением Верховного Суда США Alice Corp. v. CLS Bank International, которое значительно усложнило процедуру патентования в области софтверных решений – основного направления для ведения дел непроизводящими фирмами. В главе 2 настоящей работы будут более подробно освещены стратегии ведения бизнеса патентными троллями, а также их методы управления портфелем патентных прав.

Патентные тролли в Европейском Союзе Традиционно известные в США непроизводящие компании, или патентные тролли, все больше ста-

новятся проблемой не только для США, но и для остального мира. Как и в США, на глобальном рынке непроизводящие компании ищут судебные юрисдикции, где они могут монетизировать свои патентные права, создавая юридические риски для производящих компаний. Так как проблема в США давно из-вестна, то правительство на протяжении продолжительного времени пытается ее решить различными мерами: специальными актами, изменением процедур и т.д. По мере продвижения правительства США к успеху в борьбе с троллями, последние начинают присматриваться к юрисдикциям других стран, чтобы продолжить свой бизнес.

В отчете компании Darts-IP, занимающейся аналитикой и сбором данных о патентных исках в раз-ных странах, отмечается, что наличие детального анализа проблемы патентных троллей становится все более необходимо, так как количество дел с их участием в странах Европейского Союза растет от года к году.9 В связи с этим появляется все больше научных работ на данную тему, например, работа Сов-местного исследовательского центра (JRC) Европейской комиссии. Однако исследователями Darts-IP отмечается, что научные работы, о которых идет речь, не изобилуют наличием достаточного количества данных, что в свою очередь приводит к плохо обоснованным выводам и, в целом, не всегда объектив-ному восприятию феномена непроизводящих фирм.

Таким образом, благодаря Darts-IP, удалось собрать данные о непроизводящих фирмах и их при-сутствию в ЕС за последние несколько лет. Динамика количества судебных дел с участием непроизво-дящих фирм в ЕС представлена на рисунке ниже. Данные для 2017 года являются прогнозными.

В сравнении с активно-

стью патентных троллей в США, где только на 2017 год пришлось 1994 случая, Евро-пейский Союз по-прежнему остается более или менее без-опасным для производящих фирм местом (рис. 7). Однако стабильная растущая дина-мика, в среднем за 10 лет – 19% в год, начинает беспокоить

представителей бизнеса и власти ЕС.

Несмотря на скепсис американских экспертов по отношению к AIA и сложившейся практике Inter Partes Review, количество дел в ЕС с участием непроизводящих фирм стало расти именно в этот период, что говорит о том, что произошел некоторый отток активности в другие юрисдикции.

Значительное увеличение количества дел в 2014-м году, по всей вероятности, может быть связано с уменьшением подобного рода дел в Соединённых Штатах Америки. Действительно, начиная с 2011 года, когда был принят первый законодательный акт, America Invents Act (AIA), призванный бороться с проблемой, в окружные суды США стало попадать меньше дел, инициированных непроизводящими фирмами (NPE).

Возвращаясь к рисунку 7: данные за 2017 год еще находятся на обработке и верификации, Однако пока что с уверенностью можно утверждать, что количество дел с участием непроизводящих фирм в 2017 году превосходит количество таких дел в 2016 и в 2 раза превосходит статистику пятилетней дав-ности.

Стоит пояснить, в чем состоит сложность при сборе данных по данной проблеме. Дело в том, что большинство непроизводящих фирм действует от лица множества аффилированных компаний, в том числе зарегистрированных в офшорных зонах, которые при этом тщательно скрывают характер своей

8 http://www.ipwatchdog.com/2014/09/08/ 9 https://www.darts-ip.com/

Рисунок 7. Распределение количества судебных дел с участием непроизводящих фирм в ЕС


77

деятельности и истинные мотивы. Таким образом, иногда весьма сложно отделить производящую фирму или просто представителей изобретателя–одиночки от конгломерации аффилированных юриди-ческих лиц с одним корнем в виде непроизводящей фирмы. Также сложно собрать данные о происхож-дении и связях компаний друг с другом. Однако в последние 5-7 лет стало появляться все больше ана-литических инструментов для сбора и фильтрации таких данных, таких как RPX.com, Darts-ip.com и др., которые собирают статистику, фильтруют результаты и группируют их по юридическим лицам основных

бенефициаров. На (рис.8) представлено

распределение действий с уча-стием непроизводящих фирм по типам за период с 2007 по 2017 год в странах Европейского Со-юза.

Наиболее распространён-ной стратегией противодей-ствия является попытка аннули-ровать патент, в нарушении ко-торого обвиняется ответчик (производящая фирма). Рас-смотрение дела с аннулирова-нием патента может происхо-дить в судах, отличных от того, в который подавалась изна-

чальная жалоба о нарушении патента непроизводящей фирмой (страны, в которых присутствует такая практика, называют юрисдикциями с двухъярусной судебной системой). В других случаях вопрос об ан-нулировании патента может решаться в рамках дела о нарушении и в том же суде, куда подавалась изначальная жалоба (юрисдикции с единым режимом).

Ответчик также может оспорить валидность вменяемого патента через действия оппозиции перед органом, выдавшим патент. В ЕС такие процедуры проводятся в национальных патентных ведомствах либо же в Европейском патентном ведомстве (EPO). Однако время на принятие таких мер ограничено по закону.

Изложенное выше объясняет, почему доли действий, связанных с попытками аннуляции и оппози-ционными действиями, практически равны. Таким образом, 56% ответчиков пытаются аннулировать па-тенты, в нарушении которых они обвиняются, но в зависимости от юрисдикции это может выглядеть как действия по инвалидации патента, так и как оппозиционные действия в рамках дела.

Остальные действия, на долю которых приходится всего 2%, в основном относятся к разрешению споров, связанных с лицензионными платежами или правами на объекты патентного права.

Наиболее активные непроизводящие компании по количеству инициированных дел в странах Ев-ропейского Союза за период с 2013 по 2017 год представлены на рисунке ниже (рис. 9). Как уже упоминалось ранее, многие не-производящие фирмы имеют большое количество аффилиро-ванных юридических лиц в своем составе. В таблице ниже действия аффилированных лиц сгруппированы по основному юридическому лицу.

Десять самых активных па-тентных троллей ранжированы по количеству инициированных дел на территории Европей-ского союза в период с 2013 по 2017 год. На перечисленные де-сять компаний приходится 80%

всей активности непроизво-дящих фирм в ЕС.

Пять самых активных фирм имеют основные штаб-квартиры в США. Однако в США на 2017 год они не являются лидерами по количеству дел (рис.20). Тем не менее, эти пять компаний закрепили за собой 60% от всей активности непроизводящих фирм в ЕС. На седьмом, восьмом и девятом месте располо-жились три резидента Европейского Союза: SISVEL, France Brevets и IPCom.

Рисунок 8. Распределение типов действий с участием непроизводящих фирм в ЕС

Рисунок 9. Перечень наиболее активных непроизводящих фирм в ЕС


78

На (рис. 10). представлен список ответчиков, наиболее ча-сто получающих иски от непро-изводящих фирм. Компании проранжированы по доле от всех дел, инициированных не-производящими фирмами, кото-рая приходится на конкретную производящую компанию. В по-следнем столбце показан про-цент данных дел в общем коли-честве патентных дел, в кото-рые вовлечена данная произво-дящая компания в судах Евро-пейского Союза. Статистика со-брана за период с 2013 года по 2017. Ответчики сгруппированы с учетом всех аффилированных с ними лиц и патентных кампа-ний против них соответственно.

Крупнейший телеком-про-

вайдер Vodafone занимает лидирующую позицию среди ответчиков с показателем 7,8% от всего коли-чества дел с участием троллей на территории ЕС, включая территорию Великобритании, так как отно-сительно патентного законодательства Великобритания входит в члены Европейской патентной органи-зации.

В лидерах также компании, штаб-квартиры которых находятся в США, Китае, Южной Корее, Герма-нии и Испании, все они относятся к отрасли информационных и телекоммуникационных технологий.

Семь компаний из списка более всего страдают от нападений непроизводящих фирм, так как доля исков троллей относительно всех предъявляемых патентных исков к этим компаниям составляет более 80%. Таким образом, эти компании тратят большую часть своего бюджета по защите своих патентных прав на борьбу с непроизводящими фирмами. Samsung, Apple и Google выглядят на их фоне по-другому.

Большая доля всех дел с их участием приходится на споры между производя-щими компаниями.

На следующем рисунке показано распределение от-ветчиков по объему их обо-рота за 2013-2017 годы (Рис. 11). Малыми и средними предприятиями на данном графике названы компании с оборотом менее 50 млн. евро. Все компании, у кото-рых обороты больше данной отметки, принято считать крупными.

Таким образом, из рисунка следует, что большая доля патентных исков, инициированных непроизводя-щими компаниями в ЕС, приходится на компании с большим годовым оборотом, что в принципе, соответ-ствует статистике, показанной на предыдущем рисунке (рис. 10). Однако стоит отметить и наличие инте-реса патентных троллей к малым и средним производящим компаниям, что не относится, по мнению ис-следователей, к форме обычного поведения непроизводящих фирм [Cohen, Gurun, 2016]. На долю малых и средних предприятий приходится около 23.5% от всех ответчиков в делах с патентными троллями. Од-нако количество патентных кампаний, приходящееся на малые и средние предприятия, относительно не-велико, что объясняет обеспокоенность законодателей и представителей индустрии ведением патент-ными троллями компаний по нарушению одного патента сразу большим количеством производящих фирм за раз. Такая же практика присутствовала и в США, но с введением America Invents Act, запрещающим включать в иск несколько ответчиков, количество таких дел сократилось.

Рисунок 10. Ответчики по делам о нарушении патентов непроизводящих фирм в ЕС

Рисунок 11. Распределение ответчиков в делах с непроизводящими фирмами в ЕС по годовому обороту


79

На следующем ри-сунке представлена диа-грамма со статистикой по странам Европейского Союза, на которые прихо-дится наибольшее коли-чество разбирательств о нарушениях патентов не-производящих фирм за 2013-2017 (рис. 12).

Наиболее активные

страны Европейского Со-юза по количеству иници-

ированных исков непроизводящими фирмами – это Германия, Италия (последняя в-основном из-за ак-тивности компании SISVEL), Нидерланды и Великобритания. Франция же стоит на первом месте по доле патентных исков, подаваемых производящими фирмами. В Германии практически каждый пятый иск при-ходится на непроизводящую фирму. Согласно некоторым теоретическим выкладкам, а также некоторым исследованиям, причиной такой ситуации в Германии могут служить следующие факторы: 1) Германия – самый крупный рынок в Европе, концентрирующий самое большое количество крупных производящих фирм; 2) Германия имеет двухъярусную судебную систему, что значительно осложняет для ответчика аннулирование предъявляемых патентов до наложения судебных запретов на использование запатен-тованной технологии; 3) судебная практика Германии имеет значительный крен в пользу владельцев патентных прав (рис. 12) и относительно короткие сроки рассмотрения патентных споров (рис. 16).

Другие юрисдикции значительно отличаются от Германии, в частности, в Великобритании вести патентное разбирательство непомерно дорого, поэтому немногие рискуют его начинать. Хотя, с другой стороны, при наличии сложившейся практики в пользу истца и одновременно высоких издержках на ве-дение дела, статистика могла бы быть совершенно другой. Такими причинами, в частности, несколько лет назад объясняли бурную активность патентных троллей на территории США с исходами в виде до-

судебного урегулирования спо-ров в пользу истца.

Следующая диаграмма (рис.13) показывает распреде-ление судебных дел, иниции-рованных непроизводящими фирмами, по областям тех-ники, к которым принадлежат используемые ими патенты.

Как известно, непроизво-дящие фирмы более всего ак-тивны в области информаци-онно-коммуникационных техно-логий (ИКТ). Около 75% всех патентов в спорах принадлежат к данной категории техники. По-

хожие результаты показывает статистика в США. Количество спорных ситуаций в ИКТ постепенно растет, и скорее всего, окончательная статистика по 2017 году будет превосходить статистику по 2016 году.

Подсчет статистики для рисунка выше происходил на основе анализа принадлежности патентов, участвующих в спорах, к классам по международной патентной классификации (МПК). Данный график может неточно передавать тренды в индустриях, так как принадлежность патента к тому или иному классу еще не гарантирует его использование в той же области техники. Например, информационные технологии могут с успехом применяться и для отрасли оборудования, автомобильной промышленно-сти, сельского хозяйства и т.д.

На следующем рисунке представлена статистика по исходам дел в различных странах за период с 2010 по 2017 год. Споры, закончившиеся в пользу истца, показаны зеленым, в пользу ответчика – голу-бым. К случаям положительного исхода для истца отнесены: решение суда о нарушении патента, нало-жение запрета или санкций на использование технологии. К положительным исходам для ответчика от-несено: решение суда о не нарушении патента ответчиком, отсутствие запрета или санкций на исполь-зование запатентованной технологии.

Рисунок 12. Распределение патентных исков по странам и истцам

Рисунок 13. Распределение патентных исков непроизводящих фирм в ЕС по областям техники


80

Рисунок 14. Распределение исходов патентных исков в ЕС

Как известно, бизнес патентных троллей сконцентрирован на монетизации патентных активов через

лицензирование, досудебные сделки с нарушителем или получение компенсаций, назначенных судом. Рисунок 14 относится к статистике по делам, прошедшим судебное разбирательство и достигшим

судебного решения. Видно, что практика в разных странах складывается по-разному. Например, в Гер-мании, как уже отмечалось ранее, положительные решения чаще принимаются в пользу истца и еще чаще, на 32 п.п., в пользу истца, если истец является производящей компанией. Там же истцы, являю-щиеся производящими фирмами, выигрывают дела чаще, чем истцы – тролли - на 15%. Такой разрыв может объясняться тем, что непроизводящие фирмы чаще сталкиваются с попытками аннулирования их патентов ответчиками. С другой же стороны, возможно, суды просто научились определять тип истцов и в зависимости от этого принимать решение. Однако при правильности последнего предположения была бы поставлена под сомнение справедливость и непредвзятость такой судебной системы.

На диаграмме далее представлена статистика исходов оспаривания валидности патентов, участ-вующих в спорах за период с 2008 по 2017 год (рис. 15). Статистика разбита по юрисдикциям. Зеленым показана статистика по исходам, в которых патент был оставлен в силе полностью, голубым – частично, серым – аннулирован полностью.

Рисунок 15. Распределение исходов оспаривания патентов в ЕС

Оппоненты в спорах с непроизводящими фирмами чаще всего прибегают к попыткам аннулирова-

ния формулы изобретения патента, в нарушении которого они обвиняются. Статистика показывает, что производящие фирмы относительно успешны в своих начинаниях. Только во Франции уровень успеха при попытке инвалидировать формулу противника – тролля составляет всего 26%, тогда как в других странах он составляет более 50%. Однако такая частота положительных решений по аннулированию патентов и среди производящих фирм, ставит под вопрос смысл существования патентов в целом. Напи-сание заявки и ее сопровождение в патентном ведомстве – очень дорогостоящее мероприятие, которое в последствие при аннулировании формулы изобретения в ходе разбирательства, вообще оказывается бессмысленным.


81

На последнем графике демонстрируется статистика продолжительности патентных споров в судах первой инстанции в странах Европейского союза без разделения на споры, инициированные производя-щими и непроизводящими фирмами. Анализируется статистика за период с 2007 по 2017 год. Отрезками показана продолжительность спора с даты подачи жалобы до принятия решения судом первой инстанции.

Продолжительность судебного разбирательства очень сильно влияет на принятие всех решений, принимаемых в ходе него, например, данный фактор в совокупности с издержками на юристов или с необходимостью быстрого наложения запрета на использование запатентованной технологии, может существенно изменить почву для принятия решений участниками споров.

На (рис. 16) граница зеленого и синего цвета показывает медиану про-должительности тяжбы, тогда как красная черта демонстрирует среднее значение. Среднее значе-ние превышает медиан-ное. Это связано с тем, что по некоторым делам ре-шения выносились очень долго, так как суд ждал ре-шения из других судов по тому же делу.

Истцы могут суще-ственно выигрывать, если продолжительность тяжбы невелика. Германия в этом отношении является наиболее привлекательной для такого рода споров, со средней продолжительностью спора в 16 месяцев. Великобритания и Нидер-ланды ненамного отстают от Германии в скорости приятия решений, однако другие факторы, характе-ризующие эти юрисдикции, такие как цены на представителей в суде, существенно отличают их от Гер-мании. Во Франции средняя продолжительность составила около 31 месяца, тогда как Италия превзо-шла всех с показателем 50 месяцев. Итальянская система является одной из самых медленных не только в отношении патентных судов, но и во многих других вопросах.

В итоге, рост активности непроизводящих компаний на территории Европейского союза является неоспоримым фактом. Однако объемы этой активности все еще сравнительно невелики. Кроме этого, в последние годы, в связи с изменениями в патентной системе США, происходит значительный всплеск активности в области информационно-коммуникационных технологий. Средний рост активности в пе-риод с 2007 по 2016 год составил 19%.

Пять самых активных непроизводящих фирм составляют 60% от всей активности подобных компа-ний на рынке ЕС с 2013 года. Эти же компании имеют существенное число аффилированных лиц.

По итогам анализа было выявлено, что Германия по совокупности таких факторов, как объем рынка, средняя продолжительность судебных споров в первой инстанции, цене на юридические услуги и сложившейся практике как разрешения споров, так и оспаривания валидности патентов, занимает ли-дирующие позиции среди стран, наиболее привлекательных для ведения бизнеса непроизводящими фирмами.

Активность непроизводящих компаний Попытаться проследить общее развитие проблемы патентных троллей можно на графике соотно-

шений патентных дел с участием/без участия патентных троллей в окружных судах США (рисунок 17). Видно, что с 2010 г. количе-ство дел с участием патент-ных троллей (NPE) начало превышать количество дел с участием только произво-дящих фирм. В сентябре 2011-го президент Обама подписал America Invents Act. Данный акт содержит несколько положений, кото-рые были призваны бо-роться с проблемой трол-лей. Так 299 секция доку-мента призвана ограничить

возможность троллей подавать общий иск с множеством ответчиков, даже если все ответчики обвиня-ются в нарушении одного патента. Это должно было существенно повысить судебные издержки троллей, что впоследствии теоретически должно было уменьшить количество исков с их участием (Agarwal, 2007). Кроме этого, реформа внесла изменения в процедуру рассмотрения патентных споров, введя Inter

Рисунок 16. Распределение длительности судебных споров в ЕС

Рисунок 17. Количество инициированных дел в окружных судах США


82

Partes Review. Данная процедура представляет собой усеченную версию суда на базе патентного ве-домства, в ходе которого обвиняемая сторона может оспорить валидность патента истца. Такое новов-ведение также должно было упростить разрешение споров на начальном этапе. Однако в профессио-нальном сообществе реформа оценивается неоднозначно. В частности, экспертов смущает негативное влияние на некрупные инновационные предприятия, которые, во-первых, не всегда могут отстаивать свои права самостоятельно при повышении входных барьеров в разбирательства, а, во-вторых, прак-тика проведения также затратной Inter Partes Review сложилась скорее в сторону защищающейся сто-роны: чаще всего исходом является аннулирование патентов. Кроме этого, отмечается и невысокая эф-фективность реформы против троллей2. И действительно, с 2012 г. количество судебных дел как с уча-стием производящих фирм, так и патентных троллей в целом снижается. Доля дел троллей в общем количестве так и остается более 50%. Более того, в 2013 и 2015 гг. наблюдался всплеск активности, когда их доля значительно превысила 50%.

Анализируя статистику по суммам урегулирования споров с участием троллей, в том числе назна-ченных судом, видно, что с 2014-го по 2017 г. процент дел, урегулированных за сумму от 0 до $500 000

значительно вырос по сравнению с периодом 2008−2011 г., а коли-чество более затратных случаев снизилось (Рисунок 18).

Тем не менее проблема па-тентных троллей остается акту-альной. Для более детального изучения автором взяты тролли с наибольшим количеством дел за 2017 г. (Рис. 20). Сбор статистики для такого анализа представля-ется весьма сложным делом в силу того, что зачастую патент-ный тролль имеет множество аф-филированных лиц, за которыми

он скрывает свою сущность перед другими игроками рынка и судом. В качестве источника данных для анализа были использованы базы компании RPX Corp., которая преимущественно занимается сбором статистики по патентным троллям и их деятельности. На рисунке 19 статистика по каждому троллю учи-тывает также статистику по всем аффилированным с ним лицам.

Рисунок 19

Можно видеть, что у шести из 10 компаний количество судебных кампаний уменьшилось по сравнению с 2016 г. Для более детального анализ всех 10 компаний использовались открытые базы данных RPX Corp. и другие открытые источники. В качестве наиболее характерных показателей выделены данные о самом раннем годе начала деятельности троллей среди набора аффилированных лиц, общее количе-ство активных судебных дел (на апрель 2018 г.), общее количество завершенных судебных дел (на ап-рель 2018 г.) и количество аффилированных лиц. Результаты представлены на таблице 4.

Рисунок 18. Количество инициированных дел в окружных судах США


83

Таблица 4. Структура деятельности троллей-лидеров 2017 года

Патентный тролль Год начала деятельности

Активных дел

Завершенных дел

Аффилированные лица

IP Edge LLC 2010 65 2132 78

Leigh M. Rothschild 2006 43 486 33

Monument Patent Holdings, LLC 2014 33 212 57

SportBrain Holdings 2012 5 143 1

IP Valuation Partners LLC 2015 29 115 66

Uniloc Corporation Pty. Limited 2003 141 247 4

Hybrid Audio LLC 2010 11 54 0

Bradley D. Liddle 2015 23 96 16

Equitable IP Corporation 2015 4 110 32

Quarterhill Inc. (Wi-LAN Inc.)

2006 35 227 81

Из таблицы 5 видно, что большая часть компаний-троллей (7 из 10) начала свою деятельность не раньше 2010 г. Однако 3 из 10 все-таки являются довольно старыми игроками на этом рынке. Компания Uniloc Corporation начинала свою деятельность в 2003 г., тем не менее успешно ведет дела по сей день, несмотря ни на какие меры против патентных троллей. Более того, Uniloc Corporation имела больше всех активных дел на апрель 2018 г, при этом количество аффилированных с этой компанией лиц всего че-тыре, что нельзя считать чем-то необычным на фоне любой производящей компании. С похожим мини-мальным набором связанных юридических лиц ведут дела еще две компании, SportBrain Holdings и Hybrid Audio LLC, что неудивительно, принимая во внимание немногочисленный состав их патентного портфеля (см. таблицу 2). Выделяется на фоне остальных IP Edge LLC с внушительным количеством завершенных дел, равным 2132. При этом IP Edge LLC демонстрирует поведение, которое чаще всего признается типичным для патентного тролля, имея в своем составе 78 связанных юридических лиц. Еще более обширным составом юрлиц обладает Quarterhill Inc. (известная с 1992 г. как производящая ком-пания Wi-LAN Inc., сменившая в 2006 г. свою бизнес-модель).

Таблица 5 иллюстрирует детали по патентным портфелям 10 рассматриваемых компаний. Здесь показано количество используемых для нападений патентов, топ самых используемых патентов, общее количество патентов в портфеле, количество патентов, которые никогда не использовались троллями в целях преследования, количество патентных семей, а также средний возраст патентов в портфеле.

Таблица 5.

Патентный тролль Используемые патенты

Всего патен-тов в порт-феле

Не ис-пользо-вавши-еся в судах патенты

Па-тент-ные се-мьи

Средний возраст патентов

IP Edge LLC 77 US6266674 – 252 155 81 98 19

Leigh M. Rothschild 39

US8424752B2 - 108 US8936190B2 - 108 US8651369B2 - 107 203 168 95 12

Monument Patent Holdings, LLC 80

US6356834B2 - 43 US6202023B1 - 43 US8935220B2 - 43 255 182 112 16

SportBrain Holdings 1 US7454002B1 - 147 3 2 2 17

IP Valuation Partners LLC 80 US8643875B2 – 10 196 110 94 19

Uniloc Corporation Pty. Limited 58

US5490216A - 73 US8724622B2 - 45 US7535890B2 - 43 US8995433B2 - 41 650 595 553 17

Hybrid Audio LLC 1 RE40281E1 - 65 3 0 1 26

Bradley D. Liddle 11 н/д 50 39 31 18

Equitable IP Corporation 46 н/д 139 89 77 17

Quarterhill Inc. (Wi-LAN Inc.) 186 н/д 6928 6720 5959 17


84

В 9 из 10 случаях более 50% имеющегося патентного портфеля никогда не использовалось в напа-дениях троллей. Рекорд здесь принадлежит компании Quarterhill Inc., которой принадлежит обширней-ший портфель, 97% которого не использовалось для троллинга.

Как уже отмечалось выше, SportBrain Holdings и Hybrid Audio LLC имеют весьма скромный патент-ный портфель из двух и одной патентной семьи соответственно, при этом используемые патенты были оружием атаки 148 и 65 раз соответственно. Другие компании придерживаются той же тактики и атакуют сразу большое количество производящих фирм одним патентом. Лидером здесь является IP Edge LLC и их патент US 6266674, который использовался 252 раза. Такое поведение совсем не типично для про-изводящей компании, т.к. у таких компаний целью является завоевание наибольшей доли рынка. Соот-ветственно, для производящей компании нет никакого смысла долго ждать, пока большое количество других компаний выйдет на рынок с запатентованной технологией и только тогда инициировать атаку. Гораздо логичнее сразу же пресекать конкуренцию, тем самым демонстрируя другим игрокам рынка опасность нарушения патентных прав правообладателя. Судя же по среднему возрасту патентов в порт-фелях троллей (почти 18 лет), их стратегия как раз заключается в обратном – выждать, пока технология достаточно распространится и только тогда начинать атаку, чтобы сделать стоимость замещения и объем использования технологии для атакуемой производящей фирмы как можно больше, и соответ-ственно рассчитывать на большие отступные. Так, например, средний возраст технологии, используе-мой Hybrid Audio LLC составляет даже более 20 лет. Вероятнее всего это обусловлено возможностью подавать continuation-in-part заявки в США, т.е. на основе старой заявки подать заявку на доработанную технологию, при этом вновь дописанная часть будет иметь более свежую дату приоритета, хотя вся заявка в целом для всех баз данных будет числиться со старой датой приоритета.

Стоит также отметить, что число патентных семей почти во всех случаях в два раза превышает количество патентов, при этом заявки в состав патентных семей в данной статистике не учитывались. Скорее всего, данный феномен обусловлен традицией американского подхода к патентованию – первая заявка подается с самой общей формулой изобретения, которая затем уточняется посредством дочер-ней заявки. Не исключается также вариант того, что тролли дорабатывают формулы изобретений суще-ствующих заявок, чтобы сделать их более удобными в применении. Однако, скорее всего, в этом случае тролли изначально владеют и родительской заявкой, поскольку период, в течение которого можно по-дать дочернюю заявку заканчивается с выдачей патента на родительскую заявку.

Также в ходе исследования был проведен анализ области техники патентов, с которыми связаны атаки троллей. Оказалось, что более 46% случаев, инициированных рассматриваемыми троллями, свя-заны с отраслью цифровой торговли и софтверных технологий (1945 дел из 4211). С сильным отстава-нием вторым по популярности следует сектор потребительской электроники и компьютеров.

Немалый интерес представляет информация об изначальных владельцах патентов из патентных портфелей троллей. Оказалось, что SportBrain Holdings, Hybrid Audio LLC, Bradley D.Liddle, Equitable IP Corp., т.е. 4 из 10 компаний существенную долю патентов получили самостоятельно. Таким образом, распространенное мнение о том, что тролли скупают патентные права у третьих лиц, не всегда является верным. Тем не менее некоторые производящие компании действительно продают свои патенты трол-лям. Такая практика скорее является предосудительной с точки зрения других производящих фирм, ведь это может быть расценено как содействие троллям, от которых страдают все добросовестные участники рынка. Таким образом, IP Edge LLC обладает 13 патентами, ранее принадлежавшими Xerox Corp и 11 – Panasonic Corp. Monument Patent Holdings владеет 15 патентами NEC Corp. IP Valuation Partners LLC владеет 14 бывшими патентами, принадлежавшими Samsung. Почти половину портфеля Uniloc Corporation Pty. Ltd. составляют патенты Phillips. Intel, в свою очередь, передал 4 и 1 патент соответ-ственно Bradley D. Liddle и Equitable IP Corp., которая так же владеет двумя патентами Fujitsu. 328 па-тентов Siemens принадлежат Quarterhill Inc. Таким образом, некоторые производящие компании избав-ляются от ненужных и затратных активов, одновременно приобретая безопасность со стороны троллей, которым они посодействовали. В итоге складывается интересная картина – все участники рынка громо-гласно осуждают патентных троллей, а в реальности юристы зарабатывают деньги на услугах по защите от этих же троллей, а некоторые производящие фирмы получают выгоду, продавая им ненужные и за-тратные активы.

Заключение Исходя из проделанного выше анализа можно сделать вполне определенные и далеко не всегда

очевидные выводы относительно эффективности управления интеллектуальными правами в организа-циях, не имеющих собственного производства, и относительно возможности ее повышения. Эти выводы касаются как путей повышения эффективности управления интеллектуальными правами непосред-ственно в организациях разного типа, так и организационных решений на более высоких уровнях. Далее эти выводы представлены с краткими комментариями.

1. Существует набор формальных признаков, позволяющих идентифицировать конкретную орга-низацию как патентного тролля, но даже это не позволяет с уверенностью утверждать, что дея-тельность такой организации вредна.

a. Патентные тролли, как минимум, заставляют крупные фирмы внимательно относиться к соблюдению законодательства об интеллектуальной собственности в странах своего


85

присутствия. Кроме того, патентные тролли часто помогают изобретателям одиночкам отстоять свои права в спорах с крупными фирмами.

b. Среди признаков, характеризующих организацию как патентного тролля главными яв-ляются отсутствие собственного производства и преобладание в штате юристов, спе-циализирующихся на патентных спорах, а не исследователей, инженеров и других спе-циалистов, чья деятельность связана с получением новых знаний и результатов интел-лектуальной деятельности.

c. Первый из этих двух признаков отличает патентных троллей от фирм-производителей, а второй – от исследовательских организаций, университетов и организаций без произ-водства, но с научной или инженерной активностью.

d. Хотя отсутствие собственного производства – важный признак патентного тролля, он не является достаточным условием. Более того, наличие собственного производства не исключает того, что в определенные моменты организация ведет себя как патентный тролль, то есть скупает патенты и использует их в борьбе с конкурентами, а не в соб-ственном производстве. Тем не менее, можно сформировать набор признака, позволя-ющих говорить, что конкретная организация является патентным троллем.

e. Преобладание в штате организации юристов, специализирующихся на патентных спо-рах, отличает патентного тролля не только от исследовательских и других организаций, производящих интеллектуальный продукт, но и от технологических брокеров, в штате которых преобладают специалисты по продаже лицензий, а не по патентным спорам.

2. Среди всех организаций, не имеющих собственного производства, наиболее широкий набор управляющих воздействий и наибольшую эффективность показывают патентные тролли. Об этом свидетельствует как статистика, так и косвенные признаки.

a. При одинаковых условиях на рынке интеллектуальной собственности патентные тролли способны не только выживать, но и получать прибыль, тогда как большинство университетских центров по коммерциализации не окупают собственную деятельность. Их содержат университеты, поскольку их деятельность считается полезной для обще-ства и самого университета.

b. Достаточно часто право распоряжаться своими интеллектуальными правами передают патентным троллям не только изобретатели одиночки, но и многие университеты, фирмы и другие организации, обладающие портфелями интеллектуальных прав. В этом случае патентные тролли очень мало отличаются от технологических брокеров

3. Поведение патентного тролля достаточно хорошо поддается математическому описанию в виде управляемого марковского процесса, где управляющие воздействия соответствуют следующим юридически значимым действиям:

i. Приобретение патента или права на патентование у другого лица. ii. Поддержание или отказ от поддержания имеющегося патента в силе. iii. Подача иска о нарушении патентных прав, отказ от подачи иска.

Случайный фактор в модели представляют собой изменения внешней обстановки, которые нельзя предсказать однозначно. Такая формализованная модель с использованием принципа Беллмана в прин-ципе позволяет оптимизировать управление имеющимся портфелем интеллектуальных прав. Оптими-зация при этом осуществляется по ожидаемой стоимости портфеля прав.

Большая по сравнению с другими организация без производства эффективность патентных трол-лей свидетельствует о наличии у организаций иного типа существенных резервов для повышения эф-фективности. Существует, как минимум, три пути повышения эффективности.

Во-первых, при достаточных размерах организации и ее портфеля интеллектуальных прав эффек-тивность управления портфелем может быть повышена за счет включения в штат юристов, специализи-рующихся на патентных спорах, и более четкого отслеживания нарушений исключительных прав, при-надлежащих организации.

Во-вторых, эффективность управления может быть повышена ща счет его оптимизации на основе принципа Беллмана. При этом, разумеется, необходимо расширить и арсенал управляющий воздей-ствий за счет тех приемов, которые используют патентные тролли.

В-третьих, можно передать управление своим портфелем интеллектуальных прав технологиче-скому брокеру (если речь идет об университете), использующему достаточно широкий набор приемов продвижения лицензий на основе имеющихся патентов и отслеживающему их возможные нарушения. Иначе говоря, речь идет о технологическом брокере, который почти тролль, или о патентном тролле, который скорее технологический брокер. При этом, разумеется, ничто не мешает использовать и прин-цип оптимального управления.

Также надо отметить, что отдача всего портфеля прав на в управление технологическому брокеру не может быть нормальной политикой для фмрмы, производящей продукцию, поскольку в патентную деятельность нельзя допускать чужих. Рано или поздно это оборачивается утечкой чувствительной ин-формации или другими неприятностями.

Большая часть из мер и способов повышения эффективности, рекосендованых выше, так или иначе уже используется. Принципиально новым является предложение одновременно расширить арсенал


86

управляющих воздействий и переложить управление портфелем интеллектуальных прав на язык мате-матической теории оптимального управления. В работе показано, что это вполне возможно, причем по-казано и теоретически, и на примере из практики. Применение оптимального управления могло бы по-высить эффективность всех организаций, обладающих портфелями интеллектуальных прав, включая центры коммерциализации интеллектуальной собственности при университетах и исследовательских организациях.

Анализ практики и статистики дает основания утверждать, что популярные лозунги об «ускорении экономики через рынок интеллектуальной собственности» отдают утопией даже при самом эффектив-ном на сегодня управлении интеллектуальными правами. Пример БТГ в этом смысле показателен. Ко-гда-то они писали, что из примерно 20 тысяч патентов у них, окупились примерно 800, а всю прибыль дали 2 медицинских патента. Потом они сосредоточились на медицине и фармацевтике, но уже не гну-шались ни оказанием услуг, ни производством. Тем не менее, повышение эффективности управления правами интеллектуальной собственности на основе разработанных инструментов и опыта патентных троллей может дать значительный положительный эффект. Это возможно не только благодаря допол-нительным поступлениям в бюджеты организаций, но и благодаря возможности стимулировать в орга-низации творческую деятельность, поощряя изобретателей за востребованные технические решения, патенты на которые приносят реальный доход.


1. Agarwal P. Patent troll: the brewing storm of patent reform in the United States of America //J. Marshall Rev. Intell. Prop. L. – 2015. – Т. 15. – С. 63.

2. Mark A. Lemley, Are Universities Patent Trolls? - 18 Fordham Intell. Prop. Media & Ent. L.J. 611, 2008. 3. Mowery D. C. et al. Ivory tower and industrial innovation: University-industry technology transfer before

and after the Bayh-Dole Act. – Stanford University Press, 2015. 4. Reitzig, M., Henkel, J., Heath. C.H. On sharks, trolls, and their patent prey – Unrealistic damage awards

and firms’ strategies of “being infringed”.// Research Policy. – 2007. - 36(1) – С. 134-154. 5. West D. M. Improving university technology transfer and commercialization //Issues in Technology Inno-

vation. – 2012. – Т. 20. – С. 1-15. 6. Козырев А. Н. Экономика интеллектуальной собственности: измерения, мифология, математиче-

ские модели //Вестник Российской академии наук. – 2015. – Т. 85. – №. 9. – С. 776-776.

Яцкина Дарья Владимировна

Ключевые слова Патенты, трансфер технологий, патентные тролли, исследовательские институты, интеллектуаль-

ная собственность Iatskina Daria, Management of the intellectual rights in the organizations without production

Keywords Patents, transfer of technology, patent trolls, research institutes, intellectual property

Abstract The author presents an overview of intellectual property management approaches at research institutes,

universities and other organizations managing IP rights without having any material goods production. The over-view focuses on an analysis of patent portfolio management approaches as it clearly shows common traits and differences between IP management practices at organizations of various types.

Недоря А.Е. Цифровая экономика, обучение и управление мирами

87

3. МНЕНИЯ

3.1. ЦИФРОВАЯ ЭКОНОМИКА, ОБУЧЕНИЕ И УПРАВЛЕНИЕ МИРАМИ

Недоря А.Е, к.ф.-м.н., ведущий разработчик, компания WEBaby

Эта статья, скорее философская, чем технологическая, родилась из раздумья, как учить сына (и вообще детей) программированию.

Вместо вступления Сын уже делал игры на Scratch [Торгашева, 2016], программы на Вире [Недоря, 2018], рисовал диа-

граммы на языке Дракон [3]. И каждый раз я чувствовал, что это полезно, но не совсем то. Это не совсем то, чему я хочу его научить: слишком много деталей, отвлекающих от главного, слишком разные под-ходы, это большей частью обучение деталям, а не понятиям. Я хочу научить его не программированию на каком-то языке (в какой-то среде), а гораздо более общему: умению решать задачи, или точнее, уме-нию думать в современном мире. А для этого научить его декомпозировать сложные задачи, видеть/со-здавать архитектуру (устройство), уметь использовать математические методы и рекурсию, уметь напи-сать программу для решения рутинных задач, уметь облегчать свою жизнь за счет программирования и автоматизации процессов.

Всему этому я более-менее научился за почти 40 лет в IT, хотя все это было попутно, вместе с десятком компиляторов и других программных систем, написанных на паре десятков разных языков про-граммирования. Но 40 лет случайного тыка – это слишком долго. Нетерпеливый читатель может за-даться вопросом – а где же здесь «цифровая экономика»? С одной стороны – прямо здесь, так как «циф-ровую экономику» делают люди, а людей надо учить. Но это далеко не все, дальше будет прямой выход, но сначала все же поговорим об обучении.

Чему и как учить будущих создателей и пользователей цифровой экономики? Первый вопрос: нужно ли учить программированию в современном смысле? Может быть. Но точно

далеко не всех. Но вот чему точно надо учить – это управлению окружающей средой и людьми, а среда все больше становится цифровой. Как мы уже писали в [Недоря, Буняк, 2017]: «Мы говорим об отраже-нии реального мира в виртуальном мире, и может говорить об объединении двух миров – реального и виртуального. По сути, мы на пороге перехода от 3-х мерного мира к миру большей размерности, к новой экосистеме, к новому яркому и интересному миру».

Впрочем, мир с победившей цифровой экономикой может быть не таким уж замечательным и даже пугающим. Вспомним, например, планету Солярия из романа «Обнаженное солнце», написанного Айзе-ком Азимовым в 1956 г. Цитаты привожу из перевода Н.И. Виленской:

«Численность населения намеренно поддерживается в пределах двадцати тысяч – подобную цифру сочли оптимальной сами соляриане.

– Здесь работает также около двухсот миллионов позитронных роботов, партнер Элайдж. – Иосафат! Что же получается – десять тысяч роботов на человека? … – Почему на Солярии всего двадцать тысяч населения? .. – Планета не пустует, – ответил Дэниел. – Она поделена на поместья, и каждым управляет

один человек. – Каждый живет в своем поместье? Двадцать тысяч поместий, и в каждом по солярианину? – Нет, поместий меньше. В них живут также и жены владельцев. – А городов нет? – Бейли похолодел. – Ни одного, партнер Элайдж. Они живут совершенно раздельно и никогда не встречаются друг

с другом – только в самых чрезвычайных обстоятельствах». Предельная «цифровая экономика» – 20 000 человек и 200 000 000 роботов, и люди, которые не

встречаются друг с другом…Не идем ли мы в эту сторону? К сожалению, в отличие от мира «Обнажен-ного солнца», нам до звезд очень далеко. Впрочем, оставим страшилки политикам и социологам. Наде-юсь, что они думают не только о положительных, но и об отрицательных сценариях.

Вернемся к вопросу – «Чему и как учить?». На вопрос «Чему учить» есть простой ответ. К сожале-нию, этот ответ будет работать только в идеальном мире. Он состоит из двух частей:

- • Философская часть: учить надо умению решать задачи (бытовые, профессиональные и любые другие) в цифровом мире.

- • Технологическая часть: Учить надо использованию таких инструментов решения задач (в узком смысле инструментов программирования), которые можно использовать максимально широко, желательно для решения любых задач.


88

Технологическая часть ответа не работает в нашем мире. Просто потому, что таких инструментов пока не существует. Подумаем о том, можем ли мы хотя бы представить/придумать такие инструменты. Но немного позже.

Напомню, что я, в первую очередь, думаю об обучении детей. Хотя то, что пригодно для обучения детей, скорее всего, будет работать и для других возрастов. И второе замечание: я говорю не об обяза-тельной, школьной программе, а о некой подготовке к жизни, можно сказать - о профориентации, условно о «профессиональной» подготовке. При этих ограничениях, общий ответ на вопрос «как учить» стано-вится очевидным: учить надо в такой обстановке, в которой дети сами хотят учиться: а именно, в игре и играючи. Почему? Просто потому, что это эффективно.

Идея обучения Идея проста – берем игры, в которые дети прямо сейчас играют, и вставляем в них задачи, под-

сказки и все необходимое для того, чтобы дети учились не только решению конкретных задач, но и более общим понятиям и подходам – учились думать.

Какие игры можно взять? Для начала ограничимся компьютерными играми. Для того, чтобы учить на примере футбола, волейбола или другой игры реального мира надо быть профессионалом в этих играх. Для меня использовать компьютерные игры – проще и понятней.

Мы с сыном играем в Factorio [Недоря, 2017]. Это хорошая игра, которая сама по себе обучающая. Игрок попадает на планету с некоторыми начальными способами изготовления инструментов, например, кирки из железной руды. Он должен развить технологии вплоть до создания космической ракеты. Фишка игры в автоматизации: на каждом шаге надо строить все более сложные кластеры фабрик, каждая из которых из компонент собирает более сложные компоненты. Несмотря на упор на автоматизацию, есть действия, которые хочется дополнительно запрограммировать, но, увы, нельзя в рамках того, что дает игра. Например, деревья приходится рубить вручную.

Решение есть – надо написать плагин. То есть надо поставить задачу сыну: написать плагин для автоматизации какого-то действия, например, заготовки древесины. Но этого мало, надо еще сделать эту задачу разрешимой, то есть выстроить среду, которая позволит ему написать плагин в достаточно короткое время и с пользой в обучении думать.

Смотрим на руководство по разработке плагинов. Плагины пишутся на Lua – и это хорошо, это простой и используемый язык. Это плюс. При разработке плагина надо учитывать множество деталей (за рамками языка), которые специфичны для плагинов Factorio. Это большой минус. А что могло быть в идеале? Некая обобщенная среда разработки, которая позволяет делать плагины для разных игр. По-чему я считаю, что это возможно? Просто потому, что любая игра – это набор объектов, свойств и алго-ритмов поведения – иначе говоря, в основе любой игры лежит описание мира.

Представим себе среду разработки, с условным названием TotalRefiner, в которую загружается опи-сание мира игры, например, Factorio. Назовем такое описание Метаописанием цифрового мира. После загрузки Метаописания, разработчику плагина доступны простые возможности:

1. Задать изменение свойств какого-то объекта. 2. Изменить/добавить алгоритм действия. 3. Задать создание нового объекта (по одному из шаблонов). 4. Подключить плагин к игре. Список, очевидно, неполон, но достаточен для разработки плагина Заготовка древесины. Для этого

надо добавить алгоритм действия, который запускается по нажатию новой кнопки интерфейса, примерно так: «while «запас древесины» < 10 do «Найти дерево»; «Срубить дерево» end». При этом все необхо-димое – объекты, элементарные действия, запросы свойств должны быть доступны из Метаописания. Говоря попросту, ребенок открывает раздел описания и вытаскивает нужную часть мышкой. А если ка-кого-то действия нет, например, «найти дерево», то собирает его из частей более низкого уровня.

Возникает вопрос об используемом языке программирования. Не претендуя на единственность ре-шения, я бы использовал синергетическое решение из Дракона и Scratch: алгоритмы записываются Дра-кон диаграммами, но в качестве кубиков используются компоненты в духе Scratch. А для сложных пла-гинов может использоваться явная схема программы (см. [Недоря, 2018]). Ниже уровнем можем быть какой-то язык программирования, но это для тех детей, которые захотят программировать. А для реше-ния большинства задач диаграммы будет достаточно.

Подведем итоги. Мы можем представить себе решение, позволяющее обучать ребенка на любых компьютерных играх, если у нас есть инструмент сборки плагинов, мета описание целевого цифрового мира и набор методически выстроенных задач, решение которых подготовлено.

Прыжок в цифровую экономику Есть ли принципиальная разница между реальным миром и виртуальным миром игры? Безусловно,

есть. В реальном мире, кроме цифровых объектов, есть разумные существа, эмоции, обиды, жен-ская/мужская логика, две беды нашей страны и так далее.

Тем не менее, возможно ли построить мета описание части реального мира, которое позволит раз-рабатывать полезные плагины? Ответ: безусловно, да. Например, в [Недоря, 2017] описано несколько примеров полезных плагинов реального мира. Более того, огромное количество людей занимается (осо-

Недоря А.Е. Цифровая экономика, обучение и управление мирами

89

знавая это или нет) построением цифрового описания части мира. Замечу, что без такого описания не-возможно создание настоящего (сильного) искусственного интеллекта (ИИ). Я не говорю про создание AID – artificial idiots, создание которых уже возможно, например, AID, играющий в Го или шахматы.

Будем ли мы догонять или попробуем возглавить? Вот в чем вопрос. Если хотим возглавить, то надо «тренироваться на кошках».


1. Торгашева Ю.В. «Первая книга юного программиста. Учимся писать программы на Scratch» – СПб: Питер, 2016.

2. Недоря А.Е. «Технология разработки мультиплатформенных программ на основе явных схем про-грамм» // http://digital-economy.ru/stati/tekhnologiya-razrabotki-multiplatformennykh-programm-na-osnove-yavnykh-skhem-programm, 2018

3. Паронджанов В.Д. «Дружелюбные алгоритмы, понятные каждому» – М.: ДМК Пресс, 2016. 4. Недоря А.Е., Буняк В.В. «Интернет — в поиске чистого воздуха» // http://digital-

economy.ru/stati/internet-v-poiske-chistogo-vozdukha, 2017 5. Сайт игры Factorio // https://www.factorio.com 6. Недоря А.Е. «Забытое 40 лет назад новое, и как оно может изменить нашу жизнь» // Сборник тру-

дов SoRuCom-2017, М.:ФГБОУ ВО «РЭУ им. Г. В. Плеханова», 2017, стр. 243-250.

Недоря Алексей Евгеньевич

Ключевые слова цифровое будущее, обучение детей

Nedorya Aleksey, Digital economy, training and management the worlds

Keywords digital future, training of children

Abstract This article, rather philosophical, than technological, was born from thought how to teach the son (and in

general children) to programming.


90

3.2. ЭКОСРЕДА ИНТЕРНЕТА ОБЪЕКТОВ

Гурдус А.О., д.э.н., к.т.н., президент, Группа компаний «21Company»

В статье предложены определения ряда широко используемых понятий цифровой экономики. Рас-смотрены преимущества глобального сервиса - интернета объектов - как инструмента созда-ния единого пространства экономического взаимодействия. Рассмотрены некоторые аспекты цифровой трансформации экономики в экономику связей и экономику данных.

Введение Цифровая трансформация основывается на тенденциях развития интернета, корпоративных си-

стем и инфраструктуры, приводящих к возможности создания новой интернет-среды. Понятие «единой информационной среды» фигурирует в разнообразных программах, направленных на цифровую транс-формацию экономики. Ключевым трендом в экономике называется экономика экосистем. Дороже всего рынок оценивает компании-платформы, находящиеся в центре экосистем.

Представляется важным определить следующие понятия. - Информационные объекты - программные представления, реализующие цифровые проекции

реальных или абстрактных объектов действительности, обладающие собственной поведенче-ской логикой и специфицированной структурой.

- Информационная экосреда - программный комплекс, предназначенный для создания унифици-рованной Интернет/Интранет-среды взаимодействующих информационных объектов, который должен обеспечивать функционирование и организовывать взаимодействие объектов и прило-жений, расположенных на различных вычислительных ресурсах (серверах, в центрах обра-ботки данных и устройствах), образующих узлы корпоративной, межкорпоративной или гло-бальной сети Интернет.

- Цифровая платформа – это система алгоритмизированных взаимоотношений независимых участников отрасли, осуществляемых в единой информационной среде, приводящая к сниже-нию транзакционных издержек за счет применения цифровых технологий работы с данными и изменения системы разделения труда. Цифровые платформы существуют в рамках Информа-ционной Экосреды.

- Индустриальное облако – программно-аппаратный комплекс, предоставляющий инфраструк-туру (средства хранения данных и вычислительные мощности) как сервис (IAAS) субъектам отраслей экономики и их контрагентам. Экосреда существует на базе индустриального облака.

Развитие интернета - драйвер развития цифровой экономики Глава консорциума W3C Тим Бернерс-Ли, создавший WorldWideWeb, URI, URL, HTTP, HTML, не-

давно представил проект с открытым исходным кодом Solid. Главной целью создаваемой платформы является децентрализация интернета, защита данных пользователей и возврат контроля над ними. Раз-работкой и развитием Solid займется созданный господином Бернерсом-Ли стартап Inrupt Inc. По словам ученого, Solid позволит пользователям создавать собственные хранилища данных, в которых будут со-держаться персональные данные, списки контактов и другие файлы. Таким образом, пользователь смо-жет отказаться от использования сторонних хранилищ и полностью контролировать свои данные, решая, кому предоставлять доступ к ним. «Solid меняет существующую модель, при которой пользователи вынуждены передавать свои данные digital-гигантам в обмен на услуги. Как мы уже поняли, это не в наших интересах. С помощью Solid мы изменим интернет, чтобы восстановить баланс, предостав-ляя каждому полный контроль над данными — персональные они или нет»1.

Нынешний интернет — это интернет страниц. Следующей ступенькой развития глобального интер-нет-сервиса может стать концепция интернета объектов (моделей). Каждому объекту реального мира придается цифровой образ, и он начинает виртуальную жизнь в сети, полностью отображающую реаль-ную жизнь своего прототипа. Цифровая жизнь этого объекта будет доступна для соответствующего пользователя интернетом онлайн, включая сведения о том, где и кем он был произведен, у кого он был до сего дня, и т.д. Текущая инфраструктура позволяет обеспечить этот функционал. По сути, архитек-тура интернета объектов реализует торгово-промышленно-финансовый интернет.

Глобальные мировые инициативы, такие как Интернет+, Индустрия 4.0 опираются на Интернет как на драйвер будущей экономики. Интернет-экономика включает такие понятия, как:

- интеграция Интернет и традиционных отраслей экономики, и социального сектора; - развитие технологий и разработка стандартов; - развитие Интернет-инфраструктуры; - устранение технологической уязвимости и обеспечение безопасности;

- привилегии и мотивации.

1 Проект создателя Всемирной паутины, направленный на децентрализацию Интернета, позволит пользовате-

лям отказаться от сторонних хранилищ и полностью контролировать свои данные // Computerworld, 02.10.2018

Гурдус А.О. Экосреда интернета объектов

91

Если в недавнем прошлом основой роста был рост активов и увеличение их стоимости, то в насто-ящее время все большую роль играет создание новых связей между объектами экономической деятель-ности [Гурдус, 2018]. Источниками дополнительной стоимости в экономике связей являются взаимодей-ствия объектов экономики. Субъекты экономики поэтапно переходят к отношениям взаимного доступа к пользованию активами. При этом высвобождается значительная часть средств, которые в прежней биз-нес-логике расходовались на внутрипроектные транзакции обмена, ненужные с точки зрения конечного результата.

Новые бизнесы, сформированные на основе новых связей между активами, не должны создавать высокие трансформационные издержки, вызванные технологическими факторами, и не должны иметь существенных транзакционных издержек. Это означает, что при формировании связей и при дальней-шей деятельности не должны возникать существенные расходы на сбор и обработку информации, про-ведение переговоров и принятие решений, контроль, юридическую защиту, риск оппортунистического поведения. Если вышеуказанные функции могут быть полностью прописаны в смарт-контракте, то тре-буемое условие минимизации транзакционных издержек выполняется.

Описываемая информационная среда - экосистема интернета объектов – это новый интернет сер-вис, базирующийся на объектном подходе работы с информацией. Основная идея, которая закладыва-ется в него, заключается в возможности использования объектов (математических моделей сущностей реального мира), созданных одной группой пользователей, совместно с бизнес-процессами или в рамках бизнес-процессов, алгоритмизированных другой группой пользователей. При этом под «группой пользо-вателей» следует понимать произвольные объединения людей, компаний и др., ведущих согласованные действия для решения конкретной бизнес-задачи либо пула задач [Гурдус, 2017].

Объект должен иметь свойства, минимизирующие транзакционные издержки при включении объ-екта в любую цепочку создания/увеличения стоимости. То есть, к универсальным свойствам любого объ-екта следует отнести:

- возможность автоматизированного поиска и обработки информации о нем (например, задание в каждом объекте информации о его принадлежности к корневому онтологическому классу);

- возможность контроля и измерения параметров объекта и его связей (возможность обращения к объекту и получения ответа от него, т.е., проактивность объекта); создается на уровне класса;

- возможность сделать объект элементом смарт-контракта; - свойство обеспечения собственной безопасности (через прописывание ролей, имеющих доступ

к экземпляру объекта).

Информационный объект должен создаваться в соответствии с информационной моделью – се-мантическим классом объекта, который описывает структуру, взаимосвязи и поведенческую логику объ-ектов данного класса. Таким образом, когда описывается или упоминается структура, события или функ-ции объекта, то подразумевается структура и логика, определенные классом, к которому принадлежит экземпляр объекта. Информационные модели или классы информационных объектов должны включать данные о структуре объекта, его свойствах и функциональности.

Управляющая система (супервизор) – ядро платформы интернета объектов - выполняет задачу управления жизненным циклом объектов, включая управление созданием, хранением и удалением, из-менением свойств объектов, обмен данными между объектами и приложениями, управление событиями и бизнес-логикой объектов.

Создание ИТ платформы, на базе которой можно было бы сформировать систему безопасного управляемого взаимодействия между корпоративными активами и ресурсными фондами, совместного планирования и бизнес-проектирования, мониторинга и управления сложными проектами и контрактами с большим количеством участников и контрагентов, представляется одной из наиболее перспективных моделей будущей цифровой экономики. Например, такой ИТ платформой может стать распределенная среда информационных объектов, в которые, с одной стороны, имплементированы корпоративные биз-нес-модели, а с другой – кооперативно обновляемые межкорпоративные экономические инструменты. Взаимная интеграция бизнес-объектов корпоративных платформ нескольких компаний может принципи-ально упростить и удешевить взаимодействие между участниками отраслевых и территориальных тор-гово-промышленных объединений, консорциумов, альянсов через создание единой площадки делового взаимодействия и кооперации со своими регламентами и деловыми правилами.

Возможности взаимосвязи и доступа к любым данным и событиям объектов при этом диктуются определенными каждой из компаний правами доступа к своим объектам для своих партнеров. Такой уровень взаимопроникновения обеспечивает бесшовную и безопасную (каждая компания получает до-ступ только к тем данным, которые ей разрешены) интеграцию в режиме реального времени в рамках выполнения бизнес-процессов, предполагающих межкорпоративное взаимодействие. Эффективность платформы будет расти с ростом числа использующих ее компаний, корпораций, торговых сетей, фи-нансово-промышленных групп. Они смогут создавать необходимые им приложения, используя инстру-менты, предлагаемые платформой интернета объектов.


92

Немного о больших данных Объем данных в мире стремительно растет. Согласно недавнему отчету аналитической компании

International Data Corporation (IDC)2, предполагается, что объем данных за 2025 год составит 163 зетта-байт (ЗБ) — в десять раз больше общего объема данных за 2016 год. Раньше основными производите-лями данных в мире были потребители. К 2025 году, согласно докладу, ситуация изменится: 60% инфор-мации в мире будут генерировать коммерческие предприятия. Благодаря огромному количеству данных, у их руководителей появится множество полезных возможностей для роста и расширения бизнеса. Од-нако организациям придется решать, какие из данных сохранять и каким образом ими управлять. Важ-ным аспектом является превращение данных из «фона» бизнес-деятельности в жизненно важный актив. К 2025 году почти 20% всей информации в глобальной инфосфере будут играть критически важную роль в повседневной жизни, а примерно 10% этих данных будут «сверхкритичными».

Эксперты IDC считают, что с развитием Интернета вещей к 2025 году среднестатистический житель Земли будет взаимодействовать с подключенными в сеть устройствами примерно 4800 раз в день - по одной процедуре взаимодействия каждые 18 секунд. К 2025 году почти 20% генерируемых данных будут представлять собой информацию, получаемую в режиме реального времени, причем более 95% соста-вят данные, поступающие от устройств Интернета вещей. Технологии автоматизации и межмашинного взаимодействия – главные конкуренты традиционных источников в области создания данных.

В руках человечества появились зрелые информационные технологии, которые позволяют обра-батывать громадное количество данных. Примерно с 2015 года появились большие мощности, доста-точные не только для обработки данных, но и для их накопления. Основатель «Alibaba» Джек Ма говорит: «Сегодняшняя экономика - это экономика данных». По данным анализа мирового рынка программного обеспечения для работы с большими данными (Big Data) и аналитических инструментов, IDC предста-вила следующие результаты. По итогам 2017 года продажи такого софта в глобальном масштабе до-стигли почти 45 млрд долл. против 40,8 млрд долл годом ранее и 37,5 млрд долл. в 2015 году. На десятку крупнейших производителей пришлось больше 70% доходов на рассматриваемом рынке. Речь идет о ПО, которое, как поясняют в IDC, позволяет собирать, управлять, организовывать, анализировать, обес-печивать доступ и распространять структурированные и неструктурированные данные.

Рынок программных решений Big Data и аналитики поделен специалистами на следующие сег-менты: 1) приложения для управления производительностью и анализа; 2) бизнес-аналитика и аналити-ческие инструменты; 3) ПО для управления анализом данных и интеграции платформ.

Каждая их этих категорий имеет подсегменты. Количество дата-центров в мире также неуклонно растет. Количество дата-центров в млн: 2013 – 4,25; 2014 – 4,26; 2015 – 4,27; 2016 – 4,29; 2017 – 4,31; 2018 – 4,33. На сегодняшний день используется малая часть собираемых данных. Это происходит по-тому, что [Горшков, 2016] 1) данные слабо связаны между собой, разрозненны, 2) отсутствуют адекват-ные программные инструменты и методики их обработки, 3) для использования данных требуется серь-езная аналитическая работа.

Первый шаг к цифровой экономике – порядок в информационных потоках. В едином информацион-ном пространстве данные с первичных измерительных приборов должны автоматически поступать на технологическую шину, с которой авторизованные потребители информации берут любые данные в лю-бом разрезе.

Заключение Цифровая экономика - это не автоматизация аналоговой экономики. Цифровая экономика основы-

вается на первичных данных (больших данных), цифровых контрактах (смарт-контрактах), цифровых экосистемах экономического взаимодействия (цифровых платформах). Развитие интернета объектов - это инструмент построения экономики связей.

Литература 1. Гурдус А., Экономика связей и интернет объектов (моделей) // Цифровая экономика, №1, 2018. 2. Гурдус А., Чесноков А. Интернет объектов как основа цифровой экономики // PCMag Russia, 30.05.2017. 3. Горшков С, Введение в онтологическое моделирование // Тринидата, 2016.

Гурдус Александр Оскарович

Ключевые слова: экономика связей, интернет объектов (моделей), цифровая экономика

Gurdus Aleksandr, Ecospace of Internet of Objects as an Instrument of Construction of a Unified Digital space of Economic Cooperation

Keywords: economy of communications, Internet of objects (models), digital economy

Abstract Some widely used conceptions of digital economy are defined In the article. Advantages of a global service of Internet

of Objects as an instrument of a unified space of economic cooperation are described. Some new aspects of digital transfor-mation of economy into economy of communication and economy of data are considered.

2 International Data Corporation (IDC) Report. Sept. 2018.

Козырев А.Н. Экономика рецензирования

93

3.3. ЭКОНОМИКА РЕЦЕНЗИРОВАНИЯ

Козырев А.Н., д.э.н., главный научный сотрудник, Центральный экономико-математический институт РАН

Самым дефицитным ресурсом в информационной экономике уже давно стало внимание целевой аудитории, причем ситуация усугубляется год от года. Объем ресурса не растет, а претенден-тов на него становится все больше. Одновременно развивается другой процесс – размещение цифровой версии статьи или книги в сети Интернет делает ее доступной для прочтения прак-тически неограниченным кругом лиц. В этой связи представляется вполне уместным рассмот-реть институт рецензирования научных публикаций с точки зрения рационального использова-ния ограниченных ресурсов, т.е. с позиций «экономического империализма». Именно в этом смысле можно говорить об экономике рецензирования.

Апологетика бумажных изданий строится на эстетических, полумистических и просто курьезных ар-гументах. Кому-то приятно «взять в руки и шуршать страницами», кому-то нравится запах бумаги и клея. Самый замечательный аргумент прозвучал в 2011 году на съезде Российского книжного союза: «Элек-тронная книга никогда не заменит бумажную, так же как резиновая женщина не способна заменить живую» Сергей Степашин (21.04.2011).

Разумеется, Сергей Вадимович обращался к очень специфической аудитории, зал был заполнен людьми, кровно заинтересованными в сохранении бумажных изданий, это не могло не влиять на ора-тора. Тем не менее, аргумент получился тяжеловатым. Но, если даже у председателя Российского книж-ного союза не нашлось более рациональных аргументов, то с большой вероятностью их просто не су-ществует. Что касается любителей «шуршать страницами», то современная техника книгопечатания позволяет изготавливать бумажные книги типографского качества даже в единственном экземпляре и относительно дешево. При наличии электронного варианта соответствующего качества и формата из-готовление бумажного экземпляра можно рассматривать как услугу, оказываемую индивидуально и за отдельную плату. На этом вопрос о необходимости издания книги или журналов в печатном виде можно считать исчерпанным. Вместе с ним можно забыть и об ограничении объема, для электронных изданий его просто нет. А тогда сразу снижается значимость отрицательных рецензий как барьера на пути раз-ного рода нежелательных для публикации, в том числе бессодержательных текстов. Именно это осо-бенно важно.

Интересно рассмотреть вопрос с точки зрения затрат внимания и времени целевой аудитории и рецензентов, составляющих часть этой самой аудитории, причем наиболее квалифицированную (тео-ретически, разумеется). Рецензент выполняет работу по отсеву текстов, не соответствующих либо те-матике журнала, либо его уровню, т.е. работает на целевую аудиторию, избавляя ее от просмотра «не-нужных» ей текстов и концентрируя ее внимание на текстах, достойных ее внимания. При этом он тратит свое внимание и время на прочтение всех представленных ему для рецензирования текстов. А тогда возникает вопрос о соотношении издержек, который можно рассматривать и с позиций рецензента, и с позиций целевой аудитории, и с позиций других групп игроков или общества в целом.

Если смотреть на ситуацию с позиций рецензента, то она выглядит почти так же непривлекательно, как приглашение на собственную казнь. Испытал это на себе, когда в течение нескольких лет выполнял обязанности внешнего рецензента для издательства. А ощущается это примерно так: в самый неподхо-дящий момент, например в конце года, когда нужно сдавать отчеты и принимать зачеты у студентов, на тебя вдруг сваливается несколько книг, которые ты не стал бы читать даже при избытке свободного времени. Но ты не только должен ознакомиться с этими книгами, но и дать компетентное заключение о целесообразности их издания (в бумажном виде). Читать в этой ситуации трудно и тошно. Дать положи-тельное заключение всегда легче, чем отрицательное, как минимум, его легче обосновать. По этой при-чине дефицит времени толкает к написанию положительных рецензий, и делать это тем легче, чем меньше понимаешь в излагаемом предмете. Отсюда ослабление эффективности функций фильтра. Но это отнюдь не самый плохой вариант. Гораздо хуже, когда рецензент «режет» все, в чем он не в состо-янии разобраться в силу узости кругозора и/или самоуверенности. А так тоже бывает.

Если смотреть на ситуацию с точки зрения целевой аудитории, то самая тяжелая проблема – пуб-ликация книг или статей, заметно превосходящих по сложности уровень, доступный большинству пред-полагаемых читателей. Если уже на стадии рецензирования видно, что книга в принципе доступна для осмысленного прочтения не более чем десятку человек, то стоит ли ее печатать в количестве нескольких сот экземпляров? При этом не факт, что именно этим людям книга будет физически доступна, поскольку бумажные книги всегда находятся в конкретном месте или нескольких таких местах, а возможные их читатели – совсем в других не менее конкретных местах. В тяжелое положение попадает и рецензент, если видит, что книга – вершина науки в конкретной близкой ему области, но читать ее некому, кроме автора, рецензента и, возможно, еще двух или трех специалистов.

С рецензированием журнальных статей ситуация несколько легче, чем с книгами, так как статью прочитать проще, а потенциальных рецензентов больше. Тем не менее, те же проблемы остаются, вы-зывают неприятие авторов и успешно ими преодолеваются. В большинстве случаев, посмотрев оглав-ление англоязычного журнала и обнаружив там интересную статью, можно зайти на личную страничку


94

автора и найти там более полный и при этом свободно распространяемый вариант той же статьи. Иначе говоря, публикация в рецензируемом журнале дает лишь статус, сохраняя при этом все издержки. Ос-новную же функцию по донесению информации до заинтересованных специалистов выполняют предва-рительные публикации – drafts. Возможно, в процессе рецензирования повышается качество статьи, но и здесь есть нюансы. Автор размещает черновой вариант статьи на своей страничке за год или два до ее публикации в журнале и просит присылать лично ему замечания. А читают ее те, кому важно время публикации, а не наличие или отсутствие в ней мелких погрешностей. Среди тех, кто в теме, таких всегда большинство.

Альтернативой практикуемому в настоящее время рецензированию научных книг и статей на ста-дии их подготовки к публикации может служить добровольное выборочное рецензирование после пуб-ликации. Отчасти оно существует и сейчас. Иногда на научную статью кто-то публикует рецензию, автор ему отвечает. Но это бывает достаточно редко, гораздо реже, чем в сфере художественной литературы. Так ли это правильно? Возможно, вместо анонимных рецензий на стадии подготовки к публикации сле-дует практиковать именные авторские рецензии после публикации. С изменением структуры издержек этот вопрос назрел и даже, возможно, перезрел.

Разумеется, сопоставляя издержки рецензирования и его отсутствия на стадии подготовки к публи-кации и после нее, следует учесть возможности злоупотреблений. В том и другом случае они возможны, но они разные. В анонимной рецензии легче дать отрицательное заключение, чем сделать то же пуб-лично и от своего имени. Но вместе с исчезновением ограничений по объему публикуемого материала в связи с переходом к «цифре» необходимость в отрицательных рецензиях снижается. Публикации, не несущие нового научного знания, можно просто игнорировать, как и публикации, до понимания которых ты еще (или в принципе) не дорос. Зато выдающуюся публикацию, если ты такую заметил, можно отме-тить и рекомендовать другим. Например, в 2012 году я нашел в архиве Корнельского университета не-опубликованную статью трех молодых авторов за номером arXiv:1204.5519v1 [cs.GT] 25 Apr 2012, кото-рую оцениваю как одну из самых выдающихся работ, когда-либо мной прочитанных за все годы. По этой статье я сделал доклад на семинаре В.М. Полтеровича, а потом В.И. Данилов сделал доклад по ней же на семинаре у В.И. Аркина. Самое поразительное то, что мы нашли в ней совершенно разные достоин-ства. Слушая доклад Владимира Ивановича, я был поражен тем, что он в упор не видит ценное для меня и акцентирует внимание аудитории на второстепенных вещах. Думаю, что ситуация симметрична, он тоже дивился не меньше, слушая мой доклад.

А если бы не было таких архивов, доступных из любой точки мира? А ничего, мы жевали бы ба-нальности, понятные всем рецензентам и опубликованные в рецензируемых, возможно, очень престиж-ных журналах. Однако по своей узкой тематике я не встречал в рецензируемых экономических журналах ни одной публикации, выходящей за рамки банальностей и ошибок (за 20 последних лет). Возможно, эта ситуация не очень типична. Но все же …

Козырев Анатолий Николаевич

Ключевые слова цифровизация, цифровой формат, рецензирование

Kozyrev Anatoly, Reviewing economy

Keywords digitization, digital format, reviewing

Abstract The attention of target audience became the most scarce resource in information economy for a long time,

and the situation is aggravated from year to year. The volume of a resource does not grow, and applicants for it become more and more. At the same time other process develops – placement of the digital version of article or book on the Internet makes it available for reading by almost unlimited circle of people. In this regard it is represented quite appropriate to consider institute of reviewing of scientific publications from the point of view of rational use of limited resources, i.e. from positions of «an economic imperialism». In this sense it is possible to speak about reviewing economy.

95

Общие требования к публикуемым материалам Авторам предоставляется широкий выбор возможностей для самостоятельного размещения своих

материалов непосредственно на сайте журнала в своих индивидуальных блогах. Требуется предвари-тельная регистрация в качестве автора. Также можно присылать научные статьи на адрес редакции по электронной почте в формате word (не очень старых версий). Учитывая мультидисциплинарный харак-тер журнала, можно ожидать появления статей с формулами, графиками и рисунками. В этом случае предпочтительно, чтобы авторы сами форматировали свои статьи и присылали их в формате pdf или контактировали с редакцией по поводу их оформления. При этом все материалы должны удовлетворять следующим требованиям к содержанию.

1. Уникальность Текст должен быть написан специально для журнала Цифровая экономика. Научная статья обяза-

тельно содержит ссылки на работы предшественников и других специалистов по теме, а в идеальном случае — их краткий анализ. Конечно, обзор литературы может включать ранее опубликованные труды самого автора, если он давно работает над проблемой. Действительно оригинального текста в матери-але может быть немного. Но оригинальные идеи или важные подробности присутствовать должны обя-зательно. В том числе возможна публикация текстов, представляющих собой развернутые версии крат-ких статей, опубликованных или направленных в печатные издания. Вы самостоятельно решаете, сколь уникальный текст подавать в журнал на рассмотрение, в том числе, вы можете сами поместить текст на сайте журнала и он будет доступен читателям. Вы сразу можете определить, что это научная статья, мнение или что-то иное. Но редакция и рецензенты оставляют за собой право на оценку вашего мате-риала в качестве научной статьи, достойной публикации.

2. Актуальность и польза Ваш текст должен быть нужен и полезен, прежде всего, для читателей, а не для WebScience, Scopus или РИНЦ, хотя в дальнейшем мы планируем добиться индексации в этих системах, как и призна-ния публикаций ВАК. Прежде чем писать статью, задайте себе вопрос — зачем? Вам нужна еще одна строка в перечне публикаций? Или у вас есть гипотеза, метод, результат, теория, новый ин-струмент, идея, найденная чужая ошибка? 3. Профессионализм Если вы ответили на вопрос зачем , то время оценить свои силы. Читая ваш текст, люди должны

видеть, что его писал специалист, хорошо разбирающийся в вопросе. Пишите, прежде всего, о том, чем сами занимаетесь и что знаете отлично.

5. Язык и стиль Пишите просто. Пишите сложно. В зависимости от жанра и специфики публикации. Для научной

статьи требование простоты выглядит недостижимым, зачастую — ненужным, а для мнения — вполне разумно. Если вы поборник чистоты текста, можно порекомендовать проверить его с помощью «Главреда«. Конечно, следует понимать, что научная статья никогда не получит высокой оценки от этой программы.

6.Типографика Если стиль — дело вкуса автора, то типографские тонкости следует соблюдать с самого начала.

Погрузите ваш текст в Реформатор (кнопка «Типографить»). Сервис заменит такие кавычки: “” на такие: ««, а дефисы на нормальные тире ( — ). Еще одна полезная программа—типографская раскладка Бир-мана.

https://glvrd.ru/

http://www.artlebedev.ru/tools/reformator/

http://ilyabirman.ru/projects/typography-layout/

http://ilyabirman.ru/projects/typography-layout/

у капитана корабля ЦИФРОВАЯ...

Documents